[发明专利]色素痣恶变风险监测系统

权利要求书

1.一种色素痣恶变风险监测系统，其特征在于，包括：

采集模块：用于采集待监测色素痣的实时图片；

轮廓监测模块：用于从所述实时图片中识别并提取待监测色素痣的实时皮损图像及其实时边界轮廓；并根据所述实时边界轮廓计算待监测色素痣的实时直径、实时对称度以及实时边界平滑度；

颜色监测模块：用于识别所述实时皮损图像中待监测色素痣的实时颜色类别及各颜色的分布区域，并根据所述实时颜色类别及各颜色的分布区域确定待监测色素痣的实时颜色分布均匀度；

大小监测模块：用于根据所述实时直径计算所述待监测色素痣的实时的实际大小值，获取待监测色素痣的过去预设时段的实际大小值，根据待监测色素痣的实时的实际大小值及其过去预设时段的实际大小值计算待监测色素痣的实时长大速率；

预测模块：用于根据待监测色素痣的实时直径、实时对称度、实时边界平滑度、实时颜色分布均匀度以及实时长大速率判断所述待监测色素痣是否存在恶变风险。

2.根据权利要求1所述的色素痣恶变风险监测系统，其特征在于，所述轮廓监测模块包括特征识别模型以及轮廓分割模型；

所述特征识别模型为深度学习神经网络模型，由多张标注有色素痣及其皮损区域的临床图像和皮肤镜图像训练得到，用于在待监测色素痣的实时图片标注待监测色素痣及其实时皮损区域；

所述轮廓分割模型基于图像分割算法构建而成，用于从标注有待监测色素痣及其实时皮损区域的实时图片中识别所述实时皮损区域的边界轮廓，并根据所述边界轮廓分割所述实时皮损区域。

3.根据权利要求1所述的色素痣恶变风险监测系统，其特征在于，所述轮廓监测模块包括对称度计算模块，所述对称度计算模块用于将所述实时边界轮廓进行镜像处理，得到所述实时边界轮廓的镜像；将所述实时边界轮廓及其镜像的中心对齐，计算所述实时边界轮廓及其镜像的重合度作为待监测色素痣的实时对称度。

4.根据权利要求3所述的色素痣恶变风险监测系统，其特征在于，所述轮廓监测模块还包括边界平滑度计算模块，所述边界平滑度计算模块用于对所述实时边界轮廓进行等间隔采样，将每个采样点及其相邻采样点连接，构成多条切线，计算每条切线的斜率，并通过每条切线及其相邻切线的斜率计算每条切线及其相邻切线的切线夹角，将每个切线夹角除以180度，进行归一化，计算所有切线夹角的方差作为待监测色素痣的实时边界平滑度。

5.根据权利要求3所述的色素痣恶变风险监测系统，其特征在于，所述颜色分布均匀度为灰度均匀度，所述轮廓颜色监测模块用于将所述待监测色素痣转为灰度图像，并使用LBP方法计算所述灰度图像的灰度均匀度。

6.根据权利要求1所述的色素痣恶变风险监测系统，其特征在于，所述预测模块用于统计待监测色素痣满足以下恶变风险特征值的项数，并根据满足的恶变风险特征值的项数判断待监测色素痣恶变风险大小：

第一、所述实时直径大于预设的直径恶变阈值；

第二、所述实时对称度小于预设的对称恶变阈值；

第三、所述实时边界平滑度小于预设的平滑恶变阈值；

第四、所述实时颜色分布均匀度小于预设的颜色均匀恶变阈值；

第五、所述实时长大速率大于预设的长大速率恶变阈值。

7.根据权利要求6所述的色素痣恶变风险监测系统，其特征在于，所述预测模块根据满足的恶变风险特征值的项数判断待监测色素痣恶变风险大小，通过以下规则实现：

当满足的恶变风险特征值的项数为5项时，判断待监测色素痣恶变风险为高风险；

当满足的恶变风险特征值的项数为3项或4项时，判断待监测色素痣恶变风险为中风险；

当满足的恶变风险特征值的项数为2项时，判断待监测色素痣恶变风险为低风险；

当满足的恶变风险特征值的项数小于1项时，判断待监测色素痣恶变风险为极低风险。

8.根据权利要求5所述的色素痣恶变风险监测系统，其特征在于，所述预测模块用于获取待监测色素痣对应患者的流行病学风险因素、结合待监测色素痣的长大速率以及待监测色素痣的所述实时直径、实时对称度、实时边界平滑度、实时颜色分布均匀度综合判断所述待监测色素痣是否存在恶变风险。