CN114299068A - 基于皮肤图像评估银屑病严重程度的智能决策系统 - Google Patents
基于皮肤图像评估银屑病严重程度的智能决策系统 Download PDFInfo
- Publication number
- CN114299068A CN114299068A CN202210215810.3A CN202210215810A CN114299068A CN 114299068 A CN114299068 A CN 114299068A CN 202210215810 A CN202210215810 A CN 202210215810A CN 114299068 A CN114299068 A CN 114299068A
- Authority
- CN
- China
- Prior art keywords
- skin
- psoriasis
- pasi
- dlqi
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了基于皮肤图像评估银屑病严重程度的智能决策系统,包括:用于采集待评价者身体各个部位的皮肤图像的图像采集组件;用于将皮肤图像输入组织区域分割模型中,识别并分割皮肤图像中的银屑病皮损区域的识别分割组件;用于根据分割得到的银屑病皮损区域计算皮损面积,并根据身体各个部位内的皮损面积计算PASI评分的PASI评分计算组件;用于采集待评价者的DLQI答复数据,根据DLQI答复数据计算待评价者的DLQI评分的DLQI评分获取组件;用于根据PASI评分和DLQI评分对待评价者的银屑病严重程度进行综合评价的评价组件。本发明采用PASI量表和DLQI量表评价银屑病严重程度,能实现对银屑病的客观化评价。
Description
技术领域
本发明涉及计算机辅助诊断领域,尤其涉及基于皮肤图像评估银屑病严重程度的智能决策系统。
背景技术
银屑病是一种慢性皮肤病,发生率占世界总人口的2%~3%。这种疾病不能完全治愈,需要终生护理。如果银屑病的恶化没有被及时发现和适当治疗,它可能会引起严重的并发症,甚至导致生命威胁。因此,持续跟踪银屑病的严重程度是银屑病治疗的关键。有研究表明,有监管的银屑病患者,要比没有监管的银屑病患者复发率降低80%。
现有的银屑病的严重程度的评价一般由医生实现,然而这种人工评价的方式存在效率低、一致性差的问题。为了克服银屑病人工评价耗时、一致性差的缺点,研究者提出了基于皮损图像的PSENet,应用深度神经网络来估计银屑病严重程度。主要成果如下:(1)PSENet引入了一个分数细化模块,能够捕捉到皮肤的视觉特征;(2) PSENet在训练中接受成对的输入,减少了对大量训练数据的依赖; (3) PSENet可以定位皮损区域。上述研究成果发表在AAAI(计算机顶会)中,这种方法使银屑病患者可以更精准、方便地跟踪其病灶严重程度。
然而上述应用深度神经网络来估计银屑病严重程度的方法存在以下问题;
(1)现有的银屑病智能评价体系只参考PASI评分这一种评估方式:虽然可以实现快速、客观、一致的评分,但仅仅依靠这一项结果,难以给出准确的治疗方案;(2)没有纳入患者的主观感受:不同患者对同一种治疗方案的响应存在个体差异,在制定临床决策时需要充分考虑患者的主观感受,并将其作为一项指导治疗的评价指标;(3)不符合临床实际诊疗场景:临床实际应用中,治疗决策的制定需要经过问诊、体查、实验室检查等一系列过程,现有的银屑病智能诊疗系统缺乏与患者进行交互的功能,不符合临床实际应用场景;(4)银屑病需要长期监管,疾病成本高:在对银屑病患者给出治疗方案决策时需要参考患者既往治疗方案进行综合分析,这一过程耗费人力物力,并且不适当的治疗决策会加重患者疾病诊治负担。
发明内容
本发明提供了基于皮肤图像评估银屑病严重程度的智能决策系统,用于解决现有的银屑病智能评价方法并未考量病患的主观感受,无法客观全面的评价银屑病严重程度的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于皮肤图像评估银屑病严重程度的智能决策系统,包括:图像采集组件、识别分割组件、PASI评分计算组件、DLQI评分获取组件以及评价组件,
图像采集组件:用于采集待评价者身体各个部位的皮肤图像;
识别分割组件:用于将待评价者身体各个部位的皮肤图像输入预先构建好的组织区域分割模型中,识别并分割身体各个部位的皮肤图像中的银屑病皮损区域;
PASI评分计算组件:用于根据身体各个部位的皮肤图像中分割得到的银屑病皮损区域计算身体各个部位内的皮损面积;并根据身体各个部位内的皮损面积计算PASI评分;
DLQI评分获取组件:用于采集待评价者的DLQI答复数据,根据所述DLQI答复数据计算待评价者的DLQI评分;
评价组件:根据所述PASI评分和所述DLQI评分对待评价者的银屑病严重程度进行综合评价。
优选的,所述组织区域分割模型采用InceptionResNetV2模型,所述InceptionResNetV2模型的训练图像的标签为身体部位类别和银屑病皮损区域的真实框,所述身体部位类别包括头部、上肢、下肢以及躯干。
优选的,对于任意身体部位的任意一个银屑病皮损区域,所述PASI评分计算组件均识别所述银屑病皮损区域中不同类别的皮损,并计算不同类别的皮损面积;从所述银屑病皮损区域中分割出不同类别的皮损区域,并将所述皮损区域输入与其类别对应的皮损评价模型中,得到所述银屑病皮损区域中不同类别的皮损损伤程度评分;基于不同身体部位的不同类别的皮损损伤程度评分及其皮损面积计算PASI评分。
优选的,所述皮损类别包括:红斑、浸润以及鳞屑;所述PASI评分计算组件通过以下公式实现PASI评分的计算:PASI(头部)=0.1*(红斑+浸润+鳞屑)损伤程度评分*皮损面积
PASI(上肢)=0.2*(红斑+浸润+鳞屑)损伤程度评分*皮损面积
PASI(躯干)=0.3*(红斑+浸润+鳞屑)损伤程度评分*皮损面积
PASI(下肢)=0.4*(红斑+浸润+鳞屑)损伤程度评分*皮损面积
PASI(总分)=PASI(头部)+PASI(上肢)+PASI(躯干)+PASI(下肢)。
优选的,所述识别分割组件用于构建红斑、浸润、鳞屑的识别颜色空间,将分割得到的银屑病皮损区域映射到所述识别颜色空间内,根据红斑、浸润、鳞屑在所述颜色空间表现的不同的颜色特征识别所述银屑病皮损区域的红斑、浸润、鳞屑。
优选的,所述红斑的皮损评价模型通过以下任意方法建立:
一、用K-近邻算法对红斑进行评分;
二、使用构建好的高斯混合模型将皮损分割成不同的颜色通道,通过三色带对红斑进行评分。
优选的,所述DLQI评分获取组件包括:
DLQI问答人机对话受限规则和语料库,所述DLQI问答人机对话受限规则和语料库的建立研究医学受限自然语言形式化表达方法建立;
DLQI问答情景感知对话模型,所述DLQI问答情景感知对话模型通过运用医学受限语言理解与生成方法构建,且通过智能问答和语音合成技术,实现情景感知对话模型与患者关于DLQI问答的语音交互;
DLQI评分计算模型,基于语料库中的通识词汇和领域术语,结合规则库中的句型情态规则、规范化术语,将患者的自然语言表达转化为病史文本以及DLQI评分。
优选的,所述评价组件用于根据待评价者的银屑病严重程度的综合评价,输出对应的治疗决策建议给用户。
本发明具有以下有益效果:
1、本发明中的基于皮肤图像评估银屑病严重程度的智能决策系统,通过采集待评价者身体各个部位的皮肤图像;将待评价者身体各个部位的皮肤图像输入预先构建好的组织区域分割模型中,识别并分割身体各个部位的皮肤图像中的银屑病皮损区域;根据身体各个部位的皮肤图像中分割得到的银屑病皮损区域计算身体各个部位内的皮损面积;并根据身体各个部位内的皮损面积计算PASI评分;采集待评价者的DLQI答复数据,并根据所述DLQI答复数据计算待评价者的DLQI评分;根据所述PASI评分和所述DLQI评分对待评价者的银屑病严重程度进行综合评价。本发明引入了评价银屑病严重程度的PASI量表和DLQI量表,用具体的分数估计皮肤损伤的严重程度,实现对银屑病的客观化评价;用分数评价患者在诊疗过程中的主观感受,与单一评价方法相比具有全面性、客观性、个体化的优势。
2、在优选方案中,本发明将治疗方案模块化,使得系统在给出病患的病症严重程度综合评价的同时推荐个性化的治疗方案决策,实现针对银屑病患者的个性化监管。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例中的基于皮肤图像评估银屑病严重程度的智能决策系统的工作流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一:
如图1所示,本实施中公开了一种基于皮肤图像评估银屑病严重程度的智能决策系统,包括:图像采集组件、识别分割组件、PASI评分计算组件、DLQI评分获取组件以及评价组件,图像采集组件:用于采集待评价者身体各个部位的皮肤图像;
识别分割组件:用于将待评价者身体各个部位的皮肤图像输入预先构建好的组织区域分割模型中,识别并分割身体各个部位的皮肤图像中的银屑病皮损区域;
PASI评分计算组件:用于根据身体各个部位的皮肤图像中分割得到的银屑病皮损区域计算身体各个部位内的皮损面积;并根据身体各个部位内的皮损面积计算PASI评分;
DLQI评分获取组件:用于采集待评价者的DLQI答复数据,根据所述DLQI答复数据计算待评价者的DLQI评分;
评价组件:根据所述PASI评分和所述DLQI评分对待评价者的银屑病严重程度进行综合评价。
本发明引入了评价银屑病严重程度的PASI量表和DLQI量表,用具体的分数估计皮肤损伤的严重程度,实现对银屑病的客观化评价;用分数评价患者在诊疗过程中的主观感受,与单一评价方法相比具有全面性、客观性、个体化的优势。
实施例二:
实施例二是实施例一的优选实施例,其与实施例一的不同之处在于,对基于皮肤图像评估银屑病严重程度的智能决策系统的构建以及应用进行了介绍,具体包括:
第一步:数据收集和预处理
收集银屑病临床图像30万张,用于实现银屑病智能评价系统,对每张图片用labelImg软件对图像进行标签,标注图片数据中的皮肤类别和病变位置,供机器进行特征识别。由3位临床医生对1000例银屑病图像进行人工PASI评分,分别给出。
第二步 模型构建和训练
生成组织区域分割模型:根据所述皮肤疾病图像样本和组织区域划分标签,应用经过自主优化的InceptionResNetV2模型进行皮肤疾病图像样本深度学习训练,迭代优化调整网络参数,性能稳定后保存训练为组织区域分割模型。
训练好的组织区域分割模型用于识别并分割病患身体各个部位的皮肤图像中的银屑病皮损区域;
生成皮损面积计算模型:通过组织区域分割皮损与正常皮肤,计算皮损占该肢体部位的面积的百分比,作为计算pasi评分的依据之一。
生成PASI评分:根据PASI计算公式智能计算该皮损的得分。
*PASI(头部)=0.1*(红斑+浸润+鳞屑)*皮损面积
PASI(上肢)=0.2*(红斑+浸润+鳞屑)*皮损面积
PASI(躯干)=0.3*(红斑+浸润+鳞屑)*皮损面积
PASI(下肢)=0.4*(红斑+浸润+鳞屑)*皮损面积
PASI(总分)=上述四项分数之和
当采集的病患身体各个部位的皮肤图像存在比例不一致或者重合时,需将身体各个部分的皮肤图像进行标准化或去重后再计算病患的PASI(总分)。
在本实施例中,在进行图像分割后再对身体各个部分的皮肤图像进行标准化或去重。
生成图像特征提取模型:根据所分割的组织区域,提取区域内皮损的红斑、鳞屑、浸润情况。首先将皮损映射到一个特殊设计的颜色空间,然后将皮损分为三个不同的类别;用K-近邻算法对红斑进行评分;应用高斯混合模型将皮损分割成不同的颜色通道,然后通过三色带的通道深度对红斑进行评分。即模型自动分析皮损红斑(0-4)、鳞屑(0-4)、浸润(0-4)程度,综合给出0-12分的评分,结合身体各部位的皮损面积,乘以该部位占PASI总分的系数,得到该部位的PASI评分。
构建人机交互病史采集系统:研究医学受限自然语言形式化表达方法,建立人机对话受限规则和语料库。通过运用医学受限语言理解与生成方法,构建情景感知对话模型,通过智能问答和语音合成技术,实现与患者的语音交互。基于语料库中的通识词汇和领域术语,结合规则库中的句型情态规则、规范化术语,借助注意力机制模型,将患者的自然语言表达转化为病史文本以及DLQI量表的评分,并根据系统事先设定的模块化数据规则,将病史信息转化为模块化数据。例如在病史采集过程中:“是否有其他皮肤病病史”,“有”对应1,“无”对应0。
生成DLQI评分:基于人机交互系统的采集结果,将DLQI量表的每一项进行模块化,导入智能系统,患者根据主观感受与系统进行交互,系统结合患者的答案给出智能DLQI评分。
综合上述两项评分,根据国际公认的寻常型银屑病诊治指南《2020 欧洲指南:寻常型银屑病的系统治疗—第1部分:治疗和监测建议》中的评价标准,智能评价银屑病严重程度,并将指南给出的监测建议模块化,即系统根据银屑病严重程度的智能评价结果给出治疗决策建议。
首先使用测试集检测本方法的可行性,是否能够对银屑病的面积、皮损浸润程度、红斑、鳞屑情况进行评价,是否能进一步实现准确无歧义的人机交互。经测试集证实可行后,投入大量皮肤影像数据供机器学习,随着数据量增加,系统的诊断和评价功能也将逐渐成熟,准确率和客观性提高。
第三步 模型验证
经训练集对模型进行训练后,整理一批未经机器识别和学习的银屑病临床图像作为验证集,模拟临床应用,由患者和系统进行交互,系统给出治疗决策建议,与医生通过实际临床诊疗过程给出的决策进行对比。评价指标为:通过随访来验证智能决策的有效性。
第四步 前瞻性研究
模型经验证后,可通过前瞻性研究论证本发明的优势。选取符合纳入标准的新银屑病患者作为研究对象,将入组患者随机分为两组。1组:在银屑病诊疗过程中全程参考本智能化决策方法,对患者每月随访一次,每次随访都需要应用本发明方法决策方案调整,随访持续6个月。2组:在银屑病诊疗过程中全程由医生进行严重程度人工评价,参考最新临床指南和经验给出决策,对患者每月随访一次,每次随访都需要医生根据主观严重程度评价调整治疗决策,随访持续6个月。最终,记录患者首诊和复诊时长、银屑病进展情况、PASI 评分一致性、患者满意度、医生满意度等指标,来分析本发明方法在临床应用中的有效性、准确性、客观性。
综上所述,本发明引入了评价银屑病严重程度的量表和DLQI量表,利用人工智能自动化评价银屑病皮损部位的严重程度,给出具体分数,实现对银屑病的客观化评价;用分数评价患者在诊疗过程中的主观感受,与单一评价方法相比具有全面性、客观性、个体化的优势。
本发明引入人机交互系统,模拟临床实际诊疗流程。
本发明首次将人工智能应用于银屑病的治疗决策,可以实现针对银屑病患者的个性化监管,由此可以进一步推广到其他慢性疾病的长期个体化监管。
本发明将治疗方案模块化,使得系统在给出严重程度综合评价的同时推荐的治疗方案决策。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于皮肤图像评估银屑病严重程度的智能决策系统,其特征在于,包括:图像采集组件、识别分割组件、PASI评分计算组件、DLQI评分获取组件以及评价组件,
图像采集组件:用于采集待评价者身体各个部位的皮肤图像;
识别分割组件:用于将待评价者身体各个部位的皮肤图像输入预先构建好的组织区域分割模型中,识别并分割身体各个部位的皮肤图像中的银屑病皮损区域;
PASI评分计算组件:用于根据身体各个部位的皮肤图像中分割得到的银屑病皮损区域计算身体各个部位内的皮损面积;并根据身体各个部位内的皮损面积计算PASI评分;
DLQI评分获取组件:用于采集待评价者的DLQI答复数据,根据所述DLQI答复数据计算待评价者的DLQI评分;
评价组件:根据所述PASI评分和所述DLQI评分对待评价者的银屑病严重程度进行综合评价。
2.根据权利要求1所述的基于皮肤图像评估银屑病严重程度的智能决策系统,其特征在于,所述组织区域分割模型采用InceptionResNetV2模型,所述InceptionResNetV2模型的训练图像的标签为身体部位类别和银屑病皮损区域的真实框,所述身体部位类别包括头部、上肢、下肢以及躯干。
3.根据权利要求1所述的基于皮肤图像评估银屑病严重程度的智能决策系统,其特征在于,对于任意身体部位的任意一个银屑病皮损区域,所述PASI评分计算组件均识别所述银屑病皮损区域中不同类别的皮损,并计算不同类别的皮损面积;从所述银屑病皮损区域中分割出不同类别的皮损区域,并将所述皮损区域输入与其类别对应的皮损评价模型中,得到所述银屑病皮损区域中不同类别的皮损损伤程度评分;基于不同身体部位的不同类别的皮损损伤程度评分及其皮损面积计算PASI评分。
4.根据权利要求3所述的基于皮肤图像评估银屑病严重程度的智能决策系统,其特征在于,所述皮损类别包括:红斑、浸润以及鳞屑;所述PASI评分计算组件通过以下公式实现PASI评分的计算:
PASI(头部)=0.1*(红斑+浸润+鳞屑)损伤程度评分*皮损面积
PASI(上肢)=0.2*(红斑+浸润+鳞屑)损伤程度评分*皮损面积
PASI(躯干)=0.3*(红斑+浸润+鳞屑)损伤程度评分*皮损面积
PASI(下肢)=0.4*(红斑+浸润+鳞屑)损伤程度评分*皮损面积
PASI(总分)=PASI(头部)+PASI(上肢)+PASI(躯干)+PASI(下肢)。
5.根据权利要求4所述的基于皮肤图像评估银屑病严重程度的智能决策系统,其特征在于,所述识别分割组件用于构建红斑、浸润、鳞屑的识别颜色空间,将分割得到的银屑病皮损区域映射到所述识别颜色空间内,根据红斑、浸润、鳞屑在所述颜色空间表现的不同的颜色特征识别所述银屑病皮损区域的红斑、浸润、鳞屑。
6.根据权利要求4所述的基于皮肤图像评估银屑病严重程度的智能决策系统,其特征在于,所述红斑的皮损评价模型通过以下任意方法建立:
一、用K-近邻算法对红斑进行评分;
二、使用构建好的高斯混合模型将皮损分割成不同的颜色通道,通过三色带对红斑进行评分。
7.根据权利要求1所述的基于皮肤图像评估银屑病严重程度的智能决策系统,其特征在于,所述DLQI评分获取组件包括:
DLQI问答人机对话受限规则和语料库,所述DLQI问答人机对话受限规则和语料库的建立研究医学受限自然语言形式化表达方法建立;
DLQI问答情景感知对话模型,所述DLQI问答情景感知对话模型通过运用医学受限语言理解与生成方法构建,且通过智能问答和语音合成技术,实现情景感知对话模型与患者关于DLQI问答的语音交互;
DLQI评分计算模型,基于语料库中的通识词汇和领域术语,结合规则库中的句型情态规则、规范化术语,将患者的自然语言表达转化为病史文本以及DLQI评分。
8.根据权利要求1所述的基于皮肤图像评估银屑病严重程度的智能决策系统,其特征在于,所述评价组件用于根据待评价者的银屑病严重程度的综合评价,输出对应的治疗决策建议给用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210215810.3A CN114299068A (zh) | 2022-03-07 | 2022-03-07 | 基于皮肤图像评估银屑病严重程度的智能决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210215810.3A CN114299068A (zh) | 2022-03-07 | 2022-03-07 | 基于皮肤图像评估银屑病严重程度的智能决策系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299068A true CN114299068A (zh) | 2022-04-08 |
Family
ID=80978640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210215810.3A Pending CN114299068A (zh) | 2022-03-07 | 2022-03-07 | 基于皮肤图像评估银屑病严重程度的智能决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299068A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882018A (zh) * | 2022-06-30 | 2022-08-09 | 杭州咏柳科技有限公司 | 一种基于图像的银屑病严重程度的评估系统 |
CN114947756A (zh) * | 2022-07-29 | 2022-08-30 | 杭州咏柳科技有限公司 | 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统 |
CN116313025A (zh) * | 2023-03-14 | 2023-06-23 | 上海光声制药有限公司 | 一种激光光动力治疗仪运行数据智能管理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107049263A (zh) * | 2017-06-14 | 2017-08-18 | 武汉理工大学 | 基于图像处理的白癜风病情诊断与疗效评估方法与系统 |
CN108766510A (zh) * | 2018-05-30 | 2018-11-06 | 中南大学湘雅医院 | 智能病史采集方法、装置及移动采集设备 |
CN112669959A (zh) * | 2020-12-17 | 2021-04-16 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种基于图像的白癜风病情自动评估方法 |
CN112863630A (zh) * | 2021-01-20 | 2021-05-28 | 中国科学院自动化研究所 | 基于数据和知识的个性化精准医疗问答系统 |
CN112885471A (zh) * | 2021-03-12 | 2021-06-01 | 上海中医药大学附属岳阳中西医结合医院 | 基于贝叶斯网络最大熵自学习扩展集对分析的银屑病疗效评价系统 |
CN113887930A (zh) * | 2021-09-29 | 2022-01-04 | 平安银行股份有限公司 | 问答机器人健康度评估方法、装置、设备及存储介质 |
CN114037569A (zh) * | 2021-09-27 | 2022-02-11 | 苏州贝果智能科技有限公司 | 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 |
-
2022
- 2022-03-07 CN CN202210215810.3A patent/CN114299068A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107049263A (zh) * | 2017-06-14 | 2017-08-18 | 武汉理工大学 | 基于图像处理的白癜风病情诊断与疗效评估方法与系统 |
CN108766510A (zh) * | 2018-05-30 | 2018-11-06 | 中南大学湘雅医院 | 智能病史采集方法、装置及移动采集设备 |
CN112669959A (zh) * | 2020-12-17 | 2021-04-16 | 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所) | 一种基于图像的白癜风病情自动评估方法 |
CN112863630A (zh) * | 2021-01-20 | 2021-05-28 | 中国科学院自动化研究所 | 基于数据和知识的个性化精准医疗问答系统 |
CN112885471A (zh) * | 2021-03-12 | 2021-06-01 | 上海中医药大学附属岳阳中西医结合医院 | 基于贝叶斯网络最大熵自学习扩展集对分析的银屑病疗效评价系统 |
CN114037569A (zh) * | 2021-09-27 | 2022-02-11 | 苏州贝果智能科技有限公司 | 基于人工智能的多场景双向模拟互联网医疗客服人员的训练方法 |
CN113887930A (zh) * | 2021-09-29 | 2022-01-04 | 平安银行股份有限公司 | 问答机器人健康度评估方法、装置、设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
DATCHAKORN TANCHAROEN 等: "Medical Imaging using Automatic Region of Interest Segmentation for Psoriasis Diagnosis", 《IEEE》 * |
VIMAL K. SHRIVASTAVA 等: "First review on psoriasis severity risk stratification: An engineering perspective", 《COMPUTERS IN BIOLOGY AND MEDICINE》 * |
倪胜楼: "银屑病患者疗效自测表", 《中医健康养生》 * |
王苹等: "银屑病PASI评分系统的设计与实现", 《中国医药导报》 * |
鲁智勇等: "银屑病病情严重程度的评价方法", 《诊断学理论与实践》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114882018A (zh) * | 2022-06-30 | 2022-08-09 | 杭州咏柳科技有限公司 | 一种基于图像的银屑病严重程度的评估系统 |
CN114882018B (zh) * | 2022-06-30 | 2022-10-25 | 杭州咏柳科技有限公司 | 一种基于图像的银屑病严重程度的评估系统 |
CN114947756A (zh) * | 2022-07-29 | 2022-08-30 | 杭州咏柳科技有限公司 | 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统 |
CN114947756B (zh) * | 2022-07-29 | 2022-11-22 | 杭州咏柳科技有限公司 | 基于皮肤图像的特应性皮炎严重程度的智能评估决策系统 |
CN116313025A (zh) * | 2023-03-14 | 2023-06-23 | 上海光声制药有限公司 | 一种激光光动力治疗仪运行数据智能管理系统 |
CN116313025B (zh) * | 2023-03-14 | 2023-12-12 | 上海光声制药有限公司 | 一种激光光动力治疗仪运行数据智能管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114299068A (zh) | 基于皮肤图像评估银屑病严重程度的智能决策系统 | |
CN108198620B (zh) | 一种基于深度学习的皮肤疾病智能辅助诊断系统 | |
KR101969540B1 (ko) | 인지 기능 재활 훈련 방법 및 장치 | |
EP3748649A1 (en) | Method for evaluating multi-modal emotional understanding capability of patient with autism spectrum disorder | |
CN105808970A (zh) | 一种在线认知评估系统及评估方法 | |
CN107368859A (zh) | 病变识别模型的训练方法、验证方法和病变图像识别装置 | |
CN113197579A (zh) | 一种基于多模态信息融合的智能心理评估方法及系统 | |
CN109431523A (zh) | 基于非社会性声音刺激行为范式的孤独症初级筛查装置 | |
CN113662664B (zh) | 一种基于仪器追踪的外科手术质量客观自动化评估方法 | |
CN112133407A (zh) | 一种基于语音与表情的快速智能情绪测评分析方法 | |
CN111430025B (zh) | 一种基于医疗影像数据扩增的疾病诊断模型训练方法 | |
CN117438048B (zh) | 一种精神科患者用心理障碍测评方法及系统 | |
CN113627564A (zh) | 基于深度学习的ct医学影像处理模型训练方法及诊疗系统 | |
CN113974589B (zh) | 多模态行为范式评估优化系统及认知能力评价方法 | |
CN108962397B (zh) | 一种基于笔和语音的协同任务神经系统疾病辅助诊断系统 | |
CN116189866A (zh) | 一种基于数据分析的远程医用护理分析系统 | |
CN117708306B (zh) | 基于层进式问答结构的医学问答架构生成方法及系统 | |
CN116580801A (zh) | 一种基于大型语言模型的超声检查方法 | |
AU2021102129A4 (en) | Automatic labeling method of emphysema in CT image based on image report | |
CN115170492A (zh) | 一种基于ai技术的白内障患者术后视力智能预测评估系统 | |
CN116230198A (zh) | 一种多维度藏医ai智能辅助决策装置和系统 | |
CN115633961A (zh) | 基于动态加权决策融合恐高情绪识别模型构建方法与系统 | |
CN114330484A (zh) | 弱监督学习糖尿病视网膜病变分级与病灶识别方法及系统 | |
Salvi et al. | Virtual Simulation of Technical Interviews | |
CN109509486B (zh) | 一种体现情感细节信息的情感语料库构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220408 |
|
RJ01 | Rejection of invention patent application after publication |