基于多维分析的肿瘤识别评估方法、系统及设备与流程

本发明涉及肿瘤图像识别，尤其涉及基于多维分析的肿瘤识别评估方法、系统及设备。

背景技术：

1、随着医疗技术的进步和多维分析的发展，对肿瘤的早期识别、精确评估和个性化治疗的需求日益增长，多维分析作为一种结合临床数据、生物标志物、影像学信息等多种数据类型的分析方法，在肿瘤诊断、预后评估和治疗规划方面展现出巨大潜力。

2、现有的基于多维分析的肿瘤识别评估方法通过以下技术实现，包括：数据整合技术，将患者的临床数据、生物分子数据、影像学数据等进行整合和标准化；机器学习算法，应用算法进行特征提取和模式识别。

3、例如公开号为：cn114881137a的专利申请公开的皮肤癌图片识别方法、系统、设备及可读存储介质，包括：将待检测皮肤图片输入至深度卷积神经网络皮肤癌图片识别模型，待检测皮肤图片分别依次经过深度卷积神经网络皮肤癌图片识别模型的输入层、非对称分解卷积层、深层特征提取层和类别输出层处理后得到输出结果，输出结果为待检测皮肤图片的识别结果，输出结果包括待检测皮肤图片是否为皮肤癌图片以及皮肤癌图片类别。

4、例如公告号为：cn107403194b的发明专利公告的基于t-sne的皮肤癌图像识别可视化系统，包括：获取矩阵单元、线性化单元、t-sne计算单元以及作图单元，获取矩阵单元用于获取皮肤癌图像识别系统中最后一个卷积层进行卷积后所得并记载在矩阵数据表中的矩阵；线性化单元用于将获取的矩阵进行线性化，使这些矩阵每一行跟在上一行后面，直至这些矩阵都变成向量；t-sne计算单元用于通过t-sne计算得到一系列的低维数据；作图单元用于根据低维数据绘制成点或二维图像，观察输入图像在绘制点的位置或在二维图像中的情况。

5、但本技术在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

6、现有技术中，多维分析方法需要正确地提取肿瘤图像的特征，才能进行有效的分析和识别，但是，皮肤肿瘤的图像可能受到光照、肤色等因素的影响，导致特征提取时丢失特征，后续识别判断不够准确，存在多维分析皮肤肿瘤图像的方法准确性不足的问题。

技术实现思路

1、本技术实施例通过提供基于多维分析的肿瘤识别评估方法、系统及设备，解决了现有技术中，多维分析皮肤肿瘤图像的方法准确性不足的问题，实现了提高多维分析皮肤肿瘤图像的方法准确性的效果。

2、本技术实施例提供了基于多维分析的肿瘤识别评估方法，包括以下步骤：对人体皮肤功能区域进行划分，得到人体皮肤功能区域参数，通过神经网络模型分析得到人体皮肤功能区域皮肤癌变隐患结果；对人体皮肤肤色等级进行划分，得到人体皮肤肤色参数，通过对人体皮肤肤色参数分析得到人体皮肤肤色等级修正结果；对环境光照强度等级进行划分，得到环境光照强度参数，通过对环境光照强度参数分析得到环境光照强度修正结果；根据人体皮肤功能区域皮肤癌变隐患结果、人体皮肤肤色等级修正结果和环境光照强度修正结果综合分析判断得到皮肤肿瘤识别隐患层级；根据皮肤肿瘤识别隐患层级确定对应的皮肤肿瘤警示方案。

3、进一步的，所述根据皮肤肿瘤识别隐患层级确定对应的皮肤肿瘤警示方案的具体过程为：若皮肤肿瘤识别隐患层级为一级皮肤肿瘤识别隐患层级，则不发出皮肤肿瘤识别异常隐患预警；若皮肤肿瘤识别隐患层级为二级皮肤肿瘤识别隐患层级，则发出皮肤肿瘤识别异常隐患一级预警，并通知相关医疗人员立即再次检查对应患者的人体皮肤功能区域的皮肤情况。

4、进一步的，所述皮肤肿瘤警示方案还包括：若皮肤肿瘤识别隐患层级为一级皮肤肿瘤识别隐患层级，通过智能显示设备对对应人员提醒显示皮肤肿瘤识别隐患程度综合评估值并普及皮肤健康知识；若皮肤肿瘤识别隐患层级为二级皮肤肿瘤识别隐患层级，则发出皮肤肿瘤识别异常隐患一级预警，向对应人员推荐进行详细病理检查，向相关医疗人员显示皮肤肿瘤识别隐患程度综合评估值、人体皮肤功能区域参数、人体皮肤肤色参数、环境光照强度参数。

5、进一步的，所述根据人体皮肤功能区域皮肤癌变隐患结果、人体皮肤肤色等级修正结果和环境光照强度修正结果综合分析判断得到皮肤肿瘤识别隐患层级的具体过程为：人体皮肤功能区域皮肤癌变隐患结果即为人体皮肤功能区域皮肤癌变隐患评估值，所述人体皮肤功能区域皮肤癌变隐患评估值用于描述人体皮肤功能区域下识别的皮肤肿瘤隐患程度水平；人体皮肤肤色等级修正结果即为人体皮肤肤色等级修正值，所述人体皮肤肤色等级修正值用于指代人体皮肤肤色差异对于影响识别皮肤肿瘤隐患的修正水平；环境光照强度修正结果即为环境光照综合修正值，所述环境光照综合修正值用于表示环境光照强度差异对于影响识别皮肤肿瘤隐患的修正水平；根据人体皮肤功能区域皮肤癌变隐患评估值、人体皮肤肤色等级修正值和环境光照综合修正值综合分析计算得到皮肤肿瘤识别隐患程度综合评估值；将皮肤肿瘤识别隐患程度综合评估值与预设皮肤肿瘤识别隐患程度综合评估阈值对比分析，若皮肤肿瘤识别隐患程度综合评估值不高于预设皮肤肿瘤识别隐患程度综合评估阈值，则设定皮肤肿瘤识别隐患层级为一级皮肤肿瘤识别隐患层级，若皮肤肿瘤识别隐患程度综合评估值高于预设皮肤肿瘤识别隐患程度综合评估阈值，则设定皮肤肿瘤识别隐患层级为二级皮肤肿瘤识别隐患层级；所述皮肤肿瘤识别隐患程度综合评估值用于描述识别的皮肤肿瘤综合隐患程度水平；所述预设皮肤肿瘤识别隐患程度综合评估阈值用于描述识别的皮肤肿瘤综合隐患程度水平对应皮肤肿瘤识别隐患层级判断的衡量水平。

6、进一步的，所述皮肤肿瘤识别隐患程度综合评估值的具体计算公式为：

7、

8、表示皮肤肿瘤识别隐患程度综合评估值，设置人体皮肤功能区域监测点，将人体皮肤功能区域监测点依次编号，a0＝1,2,...,a，a0表示人体皮肤功能区域监测点的编号，a表示人体皮肤功能区域监测点的编号总数；表示第a0个人体皮肤功能区域监测点的人体皮肤功能区域皮肤癌变隐患评估值，表示人体皮肤肤色等级修正值，表示环境光照综合修正值。

9、进一步的，所述通过神经网络模型分析得到人体皮肤功能区域皮肤癌变隐患结果的具体过程为：通过人体皮肤功能区域皮肤癌变数据库提取得到人体皮肤图像数据，所述人体皮肤图像数据包括各个人体皮肤功能区域的正常皮肤图像数据和患有皮肤癌变的图像数据；对人体皮肤图像数据进行数据标注，得到人体皮肤图像标注数据，所述数据标注具体内容包括人体皮肤功能区域、皮肤癌变颜色、皮肤癌变纹理和皮肤癌变形状；通过人体皮肤图像标注数据构建并训练神经网络模型，通过反向传播算法调整神经网络模型参数，通过神经网络模型分析得到人体皮肤功能区域皮肤癌变隐患结果。

10、进一步的，所述通过对人体皮肤肤色参数分析得到人体皮肤肤色等级修正结果的具体过程为：通过医院平台的共享皮肤癌症图像数据提取若干人体皮肤肤色数据，对若干人体皮肤肤色数据进行数据归一化处理，得到若干人体皮肤肤色归一化数据，取若干人体皮肤肤色归一化数据的平均值作为人体皮肤标准肤色值；通过主成分分析算法将人体皮肤肤色参数与人体皮肤标准肤色值的差值与实际人体皮肤癌变隐患识别影响程度进行分析，得到人体皮肤肤色等级修正结果。

11、进一步的，所述通过对环境光照强度参数分析得到环境光照强度修正结果的具体过程为：将环境光照强度数据分为不同的类别，每个类别指代一个光照强度等级，设置环境标准光照强度；通过回归分析根据环境时间因素数据、环境气候因素数据和环境光照因素数据预测具体光照强度等级；通过光线追踪技术模拟环境中的不同的具体光照强度等级分布，得到实际具体光照强度等级分布对识别皮肤癌变图像影响区域数据；通过聚类算法将不同的实际具体光照强度等级分布对识别皮肤癌变图像影响区域数据结合环境标准光照强度分析得到环境光照强度修正结果。

12、本技术实施例提供了基于多维分析的肿瘤识别评估系统，包括：人体皮肤功能区域癌变隐患分析模块、人体皮肤肤色影响分析模块、环境光照强度影响分析模块、皮肤肿瘤识别隐患层级判断模块和皮肤肿瘤警示方案模块；其中，所述人体皮肤功能区域癌变隐患分析模块用于对人体皮肤功能区域进行划分，得到人体皮肤功能区域参数，通过神经网络模型分析得到人体皮肤功能区域皮肤癌变隐患结果；所述人体皮肤肤色影响分析模块用于对人体皮肤肤色等级进行划分，得到人体皮肤肤色参数，通过对人体皮肤肤色参数分析得到人体皮肤肤色等级修正结果；所述环境光照强度影响分析模块用于对环境光照强度等级进行划分，得到环境光照强度参数，通过对环境光照强度参数分析得到环境光照强度修正结果；所述皮肤肿瘤识别隐患层级判断模块用于根据人体皮肤功能区域皮肤癌变隐患结果、人体皮肤肤色等级修正结果和环境光照强度修正结果综合分析判断得到皮肤肿瘤识别隐患层级；所述皮肤肿瘤警示方案模块用于根据皮肤肿瘤识别隐患层级确定对应的皮肤肿瘤警示方案。

13、本技术实施例提供了一种电子设备，包括：存储器和处理器，所述存储器用于存储所述处理器的可执行指令；所述处理器被配置为执行所述指令时，使得所述电子设备实现基于多维分析的肿瘤识别评估方法。

14、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

15、1、通过人体皮肤功能区域癌变隐患分析、人体皮肤肤色影响分析、环境光照强度影响分析、皮肤肿瘤识别隐患层级判断并确定皮肤肿瘤警示方案，达到了提高多维分析皮肤肿瘤图像的方法准确性的效果，解决了现有技术中存在多维分析皮肤肿瘤图像的方法准确性不足的问题。

16、2、通过对人体皮肤功能区域进行划分，得到人体皮肤功能区域参数，通过神经网络模型分析得到人体皮肤功能区域皮肤癌变隐患结果，从而根据同的皮肤区域评估不同的癌变隐患结果，进而实现了提高评估癌变隐患结果的科学性。

17、3、通过根据人体皮肤功能区域皮肤癌变隐患结果、人体皮肤肤色等级修正结果和环境光照强度修正结果综合分析判断得到皮肤肿瘤识别隐患层级，从而通过多因素的综合分析，更准确地识别皮肤肿瘤的潜在风险，进而实现了减少肿瘤识别评估错误率。