[发明专利]皮肤镜图像识别方法及设备

说明书

本发明提供一种皮肤镜图像识别方法及设备，所述方法包括：获取同一被测者在不同时间针对黑色素瘤接受皮肤镜检查得到的两个皮肤镜图像，并且其中包含同一感兴趣目标；根据所述两个皮肤镜图像得到差异图像；利用机器学习模型对所述两个皮肤镜图像和所述差异图像进行识别，所述模型包括两个神经网络，其中第一神经网络用于对所述两个皮肤镜图像进行特征提取，得到第一识别结果，并在特征提取过程中确定特征差数据，第二神经网络用于根据所述差异图像和所述特征差数据得到第二识别结果；根据所述第一识别结果和所述第二识别结果确定关于所述感兴趣目标是否为黑色素瘤的识别结果。

技术领域

本发明涉及医学图像检测领域，具体涉及一种皮肤镜图像识别方法及设备。

背景技术

黑色素瘤是一种致死率最高的皮肤癌。临床诊断过程中，医生通常使用皮肤镜对皮肤病灶进行影像检查，通过观察形状、颜色、大小等结构特征判断其是否属于黑色素瘤，进而给出相应的治疗方案。

目前，临床上通用的皮肤镜标准化诊断法是“ABCD准则”或者“ABCDE准则”，如图1所示，A：形状对称性；B：边界不规则度；C：颜色种类；D：直径大小；E：生长变化程度。其内在机理是良性病灶通常外形呈规则状，颜色分布较为均匀，大小在一定范围之内，且整体特征状态稳定；而黑素瘤则表现相反，且整体形态随时间变化程度较大。因此，根据标准化准则可以给出病灶定量化评估结果。然而，人工检查存在诸多局限性，其诊断准确性易受主观性偏差影响，且严重依赖临床从业者经验。

基于计算机算法的图像识别方案可以在一定程度上缓解人工检查局限性，然而当前黑素瘤自动识别算法只依赖病灶单个图像进行识别，忽略了病灶的变化。图2给出了良性病灶与黑素瘤时间生长稳定程度对比，其中t1-t5表示皮肤镜图像的不同拍摄时间，在这种情况下，对于临界疑似恶性病灶，现有技术难以给出正确结果，皮肤镜图像识别方案的准确性仍有待提高。

发明内容

有鉴于此，本发明提供一种皮肤镜图像识别方法，包括：

获取同一被测者在不同时间针对黑色素瘤接受皮肤镜检查得到的两个皮肤镜图像，并且其中包含同一感兴趣目标；

根据所述两个皮肤镜图像得到差异图像；

利用机器学习模型对所述两个皮肤镜图像和所述差异图像进行识别，所述模型包括两个神经网络，其中第一神经网络用于对所述两个皮肤镜图像进行特征提取，得到第一识别结果，并在特征提取过程中确定特征差数据，第二神经网络用于根据所述差异图像和所述特征差数据得到第二识别结果；

根据所述第一识别结果和所述第二识别结果确定关于所述感兴趣目标是否为黑色素瘤的识别结果。

可选地，根据所述两个皮肤镜图像得到差异图像，包括：

将两个皮肤镜图像的相应的像素点的值相减得到所述差异图像；

对所述差异图像的像素值进行归一化处理。

可选地，在获取两个皮肤镜图像的步骤中对其进行预处理，所述预处理包括以下至少一种操作：调整图像尺寸、对像素值进行归一化处理、色彩矫正、去除所述感兴趣目标上的噪声信息。

可选地，根据所述第一识别结果和所述第二识别结果确定关于所述感兴趣目标是否为黑色素瘤的识别结果，包括：

对所述第一识别结果和所述第二识别结果取平均；

将平均结果与设定阈值进行比较以确定所述识别结果，其中所述设定阈值是在训练所述机器学习模型的过程中根据训练数据所确定的阈值。

本发明还提供一种皮肤镜图像识别模型训练方法，包括：