一种神经网络的训练系统及方法技术方案

本发明专利技术一种神经网络的训练系统包括图像获取模块、信息显示模块、第一数据库、第一处理器，其用于将第一图像通过第一划分方法得到个由第一网格组成的第一网格群；所述第一处理器通过第一神经网络方法将所述第一网格群输出为烧伤比例，并根据所述烧伤比例得输出烧伤建议等级。本发明专利技术通过获取第一图像后对所述第一图像划分网格得到第一网格群，并通过第一神经网络方法对第一网格群的的分析得出烧伤比例，根据神经网络的计算方法得出烧伤比例的轻重情况最终输出烧伤建议等级供医生参考，快速判断烧伤的大致面积，提高就医速度，有效减轻皮肤科医生的工作强度并同时提高科学性。肤科医生的工作强度并同时提高科学性。肤科医生的工作强度并同时提高科学性。

【技术实现步骤摘要】
一种神经网络的训练系统及方法


[0001]本专利技术涉及一种医疗领域，特别是涉及一种依靠图像输入、多层次计算并分析、提高烧伤诊断速度的一种神经网络的训练系统。

技术介绍

[0002]烧伤一般指热力，包括热液、蒸气、高温气体、火焰、炽热金属液体或固体等所引起的组织损害，皮肤和/或黏膜，严重者也可伤及皮下或/和黏膜下组织，如肌肉、骨、关节甚至内脏。评价烧伤程度需要包括计算烧伤大致的面积和程度，医学专业人员依靠手绘的图表和其他方法来进行计算和诊断，但培育一位皮肤科的医生所需的时间成本很高导致皮肤科医生数量较少，烧伤评估需要的时间较长，这使得皮肤科容易出现患者积压的情况，烧伤程度包括面积、程度、部位等多方面因素影响；
[0003]神经网络可自行设置隐藏层内的多层次的计算方式，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。
[0004]因此，目前亟需一种依靠图像输入、多层次计算并分析、提高烧伤诊断速度的一种神经网络的训练系统。

技术实现思路

[0005]本专利技术要解决的技术问题是提供一种依靠图像输入、多层次计算并分析、提高烧伤诊断速度的一种神经网络的训练系统。
[0006]本专利技术一种神经网络的训练系统，包括
[0007]图像获取模块，其用于获取第一图像；
[0008]信息显示模块，其用于显示烧伤建议等级；
[0009]第一数据库，其用于存储颜色所对应的rgb值；
[0010]第一处理器，其用于将第一图像通过第一划分方法得到个由第一网格组成的第一网格群；
[0011]所述第一处理器通过第一神经网络方法将所述第一网格群输出为烧伤比例，并根据所述烧伤比例得输出烧伤建议等级。
[0012]本专利技术一种神经网络的训练系统，其中所述第一划分方法为将所述第一图像按照横向分为第四数量个第一网格，纵向分为第五数量个第一网格。
[0013]本专利技术一种神经网络的训练系统，其中所述图像获取模块装有照明设备。
[0014]本专利技术一种神经网络的训练系统，其中所述第一神经网络方法的步骤包括：
[0015]所述图像获取模块还能够获取第一肤色；
[0016]所述第一处理器将所述第一网格群转换为第一矩阵，将第一网格群内的灰度值大于第二数值的网格转换为数值为“0”的元素，其他网格转换为数值为“2”的元素，所述第一处理器识别所述第一矩阵中的数值为“2”的个数得到第二数量；
[0017]所述第一处理器识别第一肤色的rgb值，将第一肤色的rgb值转化为第一肤色的灰度值，再将所述第一肤色的灰度值转化为第一数值，所述第一处理器将所述第一数值分别增加和减少第二变量后生成第一区间，所述第一处理器将所述第一网格群内灰度值位于第一区间内的第一网格在所述第一矩阵中的所对应的元素的数值由“2”转换为“1”进而得到第二矩阵，并将所述第二矩阵中的数值为“2”的个数得到第三数量；
[0018]所述第一处理器计算所述第三数量占所述第二数量的比例进而得到烧伤比例。
[0019]本专利技术一种神经网络的训练系统，其中将所述第一矩阵转换为第一数串，所述第一处理器识别所述第一数串中的数值为“2”的个数得到第二数量。
[0020]本专利技术一种神经网络的训练系统，其中将所述第二矩阵转换为第二数串，所述第一处理器识别所述第二数串中的数值为“2”的个数得到第三数量。
[0021]本专利技术一种神经网络的训练系统，其中
[0022]所述信息显示模块还显示烧伤程度建议等级；
[0023]所述第一处理器将所述第二矩阵中数值为2的元素转换为所对应的所述第一网格群内的第一网格的rgb值转换成的灰度值，将所述第二矩阵中数值为1的元素转换为X，将所述第二矩阵中数值为0的元素转换为Y，进而得到第三矩阵；
[0024]所述第一处理器将所述第三矩阵转换为第三数串，判断第三数串中是否含有小于第一阈值的数值，若有则输出三级烧伤，若没有则判断是否存在大于第一阈值并小于第三阈值的数值，若存在则输出为二级烧伤，若不存在则输出为一级烧伤。
[0025]本专利技术一种神经网络的训练系统，其中所述信息显示模块为显示屏。
[0026]本专利技术一种神经网络的训练系统，其中所述图像获取模块为曲面图像扫描设备。
[0027]本专利技术一种神经网络的训练方法，包括如下步骤：
[0028]存储颜色所对应的rgb值；
[0029]获取第一图像；
[0030]将第一图像通过第一划分方法得到个由第一网格组成的第一网格群；
[0031]通过第一神经网络方法将所述第一网格群输出为烧伤比例，并根据所述烧伤比例得输出烧伤建议等级。
[0032]本专利技术一种神经网络的训练系统与现有技术不同之处在于本专利技术一种神经网络的训练系统通过获取第一图像后对所述第一图像划分网格得到第一网格群，并通过第一神经网络方法对第一网格群的的分析得出烧伤比例，根据神经网络的计算方法得出烧伤比例的轻重情况最终输出烧伤建议等级供医生参考，快速判断烧伤的大致面积，提高就医速度，有效减轻皮肤科医生的工作强度并同时提高科学性。
[0033]下面结合附图对本专利技术的一种神经网络的训练系统作进一步说明。
附图说明
[0034]图1是一种神经网络的训练系统的流程示意图；
[0035]图2是所述第一图像的示意图；
[0036]图3是第五矩阵的示意图；
[0037]图4是神经网络卷积计算第一示意图；
[0038]图5是神经网络卷积计算第二示意图；
[0039]图6是神经网络卷积计算第三示意图；
[0040]图7是第一网格群的示意图；
[0041]图8是第二矩阵的示意图。
具体实施方式
[0042]如图1～8所示，参见图2，一种神经网络的训练系统，包括
[0043]图像获取模块，其用于获取第一图像；
[0044]信息显示模块，其用于显示烧伤建议等级；
[0045]第一数据库，其用于存储颜色所对应的rgb值；
[0046]第一处理器，其用于将第一图像通过第一划分方法得到个由第一网格组成的第一网格群；
[0047]所述第一处理器通过第一神经网络方法将所述第一网格群输出为烧伤比例，并根据所述烧伤比例得输出烧伤建议等级。
[0048]本专利技术通过获取第一图像后对所述第一图像划分网格得到第一网格群，并通过第一神经网络方法对第一网格群的的分析得出烧伤比例，根据神经网络的计算方法得出烧伤比例的轻重情况最终输出烧伤建议等级供医生参考，快速判断烧伤的大致面积，提高就医速度，有效减轻皮肤科医生的工作强度并同时提高科学性。
[0049]其中，所述第一划分方法为划分为1000*1000的第一网格群。
[0050]其中，所述第一方法为计算所述第一图像中黑色面积占所述第一图像的面积的比例进而生成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种神经网络的训练系统，其特征在于：包括图像获取模块，其用于获取第一图像；信息显示模块，其用于显示烧伤建议等级；第一数据库，其用于存储颜色所对应的rgb值；第一处理器，其用于将第一图像通过第一划分方法得到个由第一网格组成的第一网格群。所述第一处理器通过第一神经网络方法将所述第一网格群输出为烧伤比例，并根据所述烧伤比例得输出烧伤建议等级。2.根据权利要求1所述的一种神经网络的训练系统，其特征在于：所述第一划分方法为将所述第一图像按照横向分为第四数量个第一网格，纵向分为第五数量个第一网格。3.根据权利要求1所述的一种神经网络的训练系统，其特征在于：图像获取模块装有照明设备。4.根据权利要求1所述的一种神经网络的训练系统，其特征在于：所述第一神经网络方法的步骤包括：所述图像获取模块还能够获取第一肤色；所述第一处理器将所述第一网格群转换为第一矩阵，将第一网格群内的灰度值大于第二数值的网格转换为数值为“0”的元素，其他网格转换为数值为“2”的元素，所述第一处理器识别所述第一矩阵中的数值为“2”的个数得到第二数量；所述第一处理器识别第一肤色的rgb值，将第一肤色的rgb值转化为第一肤色的灰度值，再将所述第一肤色的灰度值转化为第一数值，所述第一处理器将所述第一数值分别增加和减少第二变量后生成第一区间，所述第一处理器将所述第一网格群内灰度值位于第一区间内的第一网格在所述第一矩阵中的所对应的元素的数值由“2”转换为“1”进而得到第二矩阵，并将所述第二矩阵中的数值为“2”的个数得到第三数量；所述第一处理器计算所述第三数量占所述第二数量的比例进而...

【专利技术属性】
技术研发人员：王思伦，黄建淳，龙智朋，
申请(专利权)人：深圳市澈影医生集团有限公司，
类型：发明
国别省市：