[发明专利]一种妇科外阴炎症护理装置及方法

权利要求书

1.一种妇科外阴炎症护理方法，其特征在于，所述妇科外阴炎症护理方法包括：

第一步，通过病菌检测仪检测病菌数据；通过温度检测器检测熏蒸温度数据；通过医疗影像设备采集炎症部位图像；

第二步，对于第一步中采集的炎症部位图像输入病理图像数据集D＝[D₁,D₂,D₃]，其中，D表示外阴病理图像集，D₁，D₂，D₃分别表示类别为细菌性病阴型、细菌性病中间型、细菌性病阳型的病理图像数据集的子集；

按照类别顺序对原始病理图像样本进行排序，计算每个类别的样本数目C＝[C₁,C₂,C₃]，并记录最大样本类样本数C_max，其中，C表示每类样本数集合，C₁，C₂，C₃分别表示类别为细菌性病阴型、细菌性病中间型、细菌性病阳型的病理图像样本个数；

第三步，利用最大样本类样本数C_max对每类病理图像样本产生一个随机排列数的列表L_i＝[l_i1，l_i2，...，l_ij，...，l_ic_max]并用此列表中的随机数对各自类别的样本数C_i取余，得到各类外阴病理图像样本对应的索引其中，设定类别i的取值为1,2,3，j的取值为1,2,3…C_max，l_ij表示类别为i的第j个随机数，index_ij表示类别为i的第j张病理图像索引值；

第四步，根据各类索引Index_i从各类的图像排列中提取图像，生成各类病理图像的随机列表；

将各类病理图像的随机列表连在一起随机打乱次序，得到最终的样本图像列表ImageList；实现增加小类别病理图像数量；

第五步，对第四步中生成的样本图像列表ImageList，使用尺度变换、水平翻转、垂直翻转中的一种或是其组合的数据增强方法增加样本数目，得到生成的病理图像数据集；

第六步，利用第五步中生成的病理图像数据集对图像分类卷积神经网络进行训练；将交叉熵损失函数作为图像分类卷积神经网络的损失函数，并结合BP算法更新网络参数，使得网络随着训练的进行，网络输出越来越接近正确标签；

第七步步，利用第六步所述的训练后的最优图像分类卷积神经网络对第一步中输入炎症部位图像进行预测分类；

第八步，通过医疗设备为第七步得到的炎症部位图像预测分类结果以及第一步中检测的各项数据构造表示指标值是否在正常范围内的合格特征，进行炎症的诊断；并基于诊断症状选择护理方式；

第九步，基于第八步选择的护理方式进行相应药液溶液的制备合成，并利用合成制备的药液溶液进行清洗；通过熏蒸设备进行熏蒸；利用微波或红外线局部进行物理护理；通过紫外线消毒灯进行消毒；

第十步，利用高温杀菌装置对第九步使用过的相关清水存储容器、药液合成容器、臭氧水合成容器以及其他器件进行消毒；并通过显示器显示第一步中检测的病菌、温度、图像数据以及第二步图像分类结果、第八步诊断结果。

2.如权利要求1所述妇科外阴炎症护理方法，其特征在于，第六步中，所述图像分类卷积神经网络包括四个卷积层、三个最大池化层和三个全连接层，且网络顺序为卷积层、池化层、卷积层、卷积层、池化层、卷积层、池化层、全连接层、全连接层、全连接层；每个卷积层的卷积核尺寸均为3*3，个数依次为96，128，256，256，每个池化层均包括1个2*2的核，全连接层的尺寸分别为1024、512和3。

3.如权利要求1所述妇科外阴炎症护理方法，其特征在于，第六步中，所述图像分类卷积神经网络损失函数为：

Loss＝-∑_kt_k*logy_k，其中，k表示输入到卷积神经网络的外阴病理图像，log表示以e为底数的自然对数，y_k是神经网络的输出，t_k是输入到卷积神经网络的病理图像的正确标签。