【技术实现步骤摘要】
本专利技术涉及一种口腔肿瘤诊断系统，属于人工智能领域。
技术介绍
1、目前，基于人工智能诊断口腔疾病的类似技术已有相关专利，但已有专利所公开的系统所针对的疾病往往病种较为单一局限，如仅用于诊断龋病(判断是否存在龋坏牙齿)、或仅用于诊断牙齿畸变、或用于判断口腔牙齿排列是否整齐，亦或是局限于口腔内科疾病等。也有关于基于人工智能分析口腔图像方法的专利被公开，但诸如此类的专利大多仅应用于对牙齿美观度的评判。
2、人工智能技术需要大量的训练集(大量的图像数据)作为基础，才可能进行有效的训练，实现准确的识别。而且口腔肿瘤相比龋齿等疾病，变化差异大，表现多样，诊断需要借助病理，更加需要大量数据集的支持，同时还需要有手术后的病理结果相匹配，才能实现最终训练。如何获取大量的口腔浅表肿瘤图像及相应的病理结果，从而实现对口腔浅表肿瘤的人工智能训练和最终的准确识别(或恶性风险判断)，是需要解决的技术难题。
技术实现思路
1、本专利技术的目的是：基于人工智能实现对口腔肿瘤的诊断。
2、为了达到上述目的，本专利技术的技术方案是提供了一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，包括病损图像信息采集模块、口腔疾病图像数据库、患者基本信息采集模块、口腔浅表恶性肿瘤人工智能辅助诊断模型以及模型训练模块，其中：
3、病损图像信息采集模块，用于采集患者的病损图像信息；
4、口腔疾病图像数据库，用于存储各类口腔疾病患者的口腔病损图像信息，利用就诊患者的详细病史对口腔
5、患者基本信息采集模块，用于采集患者基本信息；
6、将病损图像信息以及患者基本信息输入口腔浅表恶性肿瘤人工智能辅助诊断模型后，由口腔浅表恶性肿瘤人工智能辅助诊断模型输出肿瘤分类或诊断结果，并基于肿瘤分类或诊断结果结合患者基本信息给出相应的分级诊疗建议信息；
7、模型训练模块，用于对口腔浅表恶性肿瘤人工智能辅助诊断模型进行训练，模型训练模块从口腔疾病图像数据库中选取相应数量的样本作为训练集，采用adam optimizer的优化方法对口腔浅表恶性肿瘤人工智能辅助诊断模型进行训练，误差表达式采用softmax作为误差函数。
8、优选地，采用以下方法建立所述口腔疾病图像数据库：
9、采集上海交通大学医学院附属第九人民医院及合作医院各类口腔疾病患者的口腔病损图像、病史资料以及最终诊断结果，初步建立口腔肿瘤图像数据库，其中，肿瘤类疾病均以病理学诊断结果作为最终诊断结果，非肿瘤类疾病且无需活检者以3名以上口腔医学专家临床诊断结果作为最终采纳的诊断结果；
10、利用就诊患者的详细病史对口腔病损图像信息进行标注，并以最终诊断结果对口腔病损图像信息进行标记，采用人工智能对信息进行综合分析，最终筛选与图像结合进行分类及诊断最具意义的标注信息。
11、优选地，所述患者基本信息采集模块采集患者基本信息时所使用的问题使得普通患者能够理解且准确回答。
12、优选地，所述口腔浅表恶性肿瘤人工智能辅助诊断模型，采用google的tensorflow开源框架基于inceptionv3网络结构实现。
13、优选地，实现所述模型训练模块的训练机器采用nvdia titan x gpu。
14、优选地，所述模型训练模块在对所述口腔浅表恶性肿瘤人工智能辅助诊断模型进行训练时，采用迁移学习的方法，基于imagenet的已训练参数进行再训练，通过tensorflow优化工具包，迭代万次以上进行优化学习，同时，采用dropout方法以防止所述误差函数过拟合。
15、本专利技术的另一个技术方案是提供了一种上述的口腔浅表恶性肿瘤人工智能辅助诊断系统的应用，其特征在于，在硬件系统平台上实现所述的口腔浅表恶性肿瘤人工智能辅助诊断系统，该硬件系统平台包括：
16、高清微距图像传感器，用于对口腔病损图像进行标准化采集；
17、在高清微距图像传感器周边配备的若干led光源，以克服口腔内低光照环境对高清微距图像传感器的影响；
18、深度学习处理平台，利用训练后的所述口腔浅表恶性肿瘤人工智能辅助诊断模型提供辅助识别与诊断；
19、可触摸屏幕：用于对口腔浅表恶性肿瘤人工智能辅助诊断系统要求提供的病史资料进行标准化收集；用于对高清微距图像传感器采集的图像进行实时监测；用于展示口腔浅表恶性肿瘤人工智能辅助诊断模型输出的分类、诊断结果以及分级诊疗信息。
20、本专利技术的另一个技术方案是提供了一种上述的口腔浅表恶性肿瘤人工智能辅助诊断系统的应用，其特征在于，在手机上实现所述的口腔浅表恶性肿瘤人工智能辅助诊断系统，
21、基于手机系统的小程序实现所述患者基本信息采集模块，并利用手机自带的摄像头以及辅助光源拍摄口腔病损图像，将所述口腔浅表恶性肿瘤人工智能辅助诊断模型内置在手机小程序中，并通过手机自带的触摸屏实现人机交互。
22、本专利技术的另一个技术方案是提供了一种口腔浅表恶性肿瘤人工智能辅助诊断方法，其特征在于，包括以下步骤：
23、步骤1、从口腔疾病图像数据库中选取样本作为训练集对口腔浅表恶性肿瘤人工智能辅助诊断模型进行训练；
24、步骤2、将当前患者的病损图像信息以及基本信息输入训练后的口腔浅表恶性肿瘤人工智能辅助诊断模型，由口腔浅表恶性肿瘤人工智能辅助诊断模型输出肿瘤分类或诊断结果，并基于肿瘤分类或诊断结果结合患者基本信息给出相应的分级诊疗建议信息。
25、本专利技术的另一个技术方案是提供了一种电子设备，其特征在于，包括：
26、处理器；以及
27、存储器，用于存储实现所述口腔浅表恶性肿瘤人工智能辅助诊断方法的程序，该处理器通电并通过所述处理器运行该系统的程序后，执行下述步骤：通过模型训练模块从口腔疾病图像数据库中选取相应数量的样本作为训练集对口腔浅表恶性肿瘤人工智能辅助诊断模型进行训练，利用病损图像信息采集模块采集当前患者的病损图像信息并利用患者基本信息采集模块采集当前患者的基本信息，将当前患者的病损图像信息以及基本信息输入训练后的口腔浅表恶性肿瘤人工智能辅助诊断模型，由口腔浅表恶性肿瘤人工智能辅助诊断模型输出肿瘤分类或诊断结果，并基于肿瘤分类或诊断结果结合患者基本信息给出相应的分级诊疗建议信息。
28、本专利技术可实现对口腔肿瘤的人工智能辅助下的诊断，及对口腔恶性肿瘤的风险识别。对口腔诊疗水平较低的基层医院或诊所，本专利技术所公开的技术方案可以起到辅助作用。对无专科医生，缺乏就医条件的地区的患者，本专利技术所公开的技术方案提供了初步的辅助诊断及辅助筛查，从而可在一定程度上减少漏诊、误诊。
本文档来自技高网...【技术保护点】
1.一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，包括病损图像信息采集模块、口腔疾病图像数据库、患者基本信息采集模块、口腔浅表恶性肿瘤人工智能辅助诊断模型以及模型训练模块，其中：
2.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，采用以下方法建立所述口腔疾病图像数据库：
3.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，所述患者基本信息采集模块采集患者基本信息时所使用的问题使得普通患者能够理解且准确回答。
4.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，所述口腔浅表恶性肿瘤人工智能辅助诊断模型，采用google的tensorflow开源框架基于InceptionV3网络结构实现。
5.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，实现所述模型训练模块的训练机器采用Nvdia Titan X GPU。
6.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，所述模型训练模块在对所述口腔浅表恶
7.一种如权利要求1所述的口腔浅表恶性肿瘤人工智能辅助诊断系统的应用，其特征在于，在硬件系统平台上实现所述的口腔浅表恶性肿瘤人工智能辅助诊断系统，该硬件系统平台包括：
8.一种如权利要求1所述的口腔浅表恶性肿瘤人工智能辅助诊断系统的应用，其特征在于，在手机上实现所述的口腔浅表恶性肿瘤人工智能辅助诊断系统，基于手机系统的小程序实现所述患者基本信息采集模块，并利用手机自带的摄像头以及辅助光源拍摄口腔病损图像，将所述口腔浅表恶性肿瘤人工智能辅助诊断模型内置在手机小程序中，并通过手机自带的触摸屏实现人机交互。
9.一种口腔浅表恶性肿瘤人工智能辅助诊断方法，其特征在于，包括以下步骤：
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，包括病损图像信息采集模块、口腔疾病图像数据库、患者基本信息采集模块、口腔浅表恶性肿瘤人工智能辅助诊断模型以及模型训练模块，其中：
2.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，采用以下方法建立所述口腔疾病图像数据库：
3.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，所述患者基本信息采集模块采集患者基本信息时所使用的问题使得普通患者能够理解且准确回答。
4.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，所述口腔浅表恶性肿瘤人工智能辅助诊断模型，采用google的tensorflow开源框架基于inceptionv3网络结构实现。
5.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断系统，其特征在于，实现所述模型训练模块的训练机器采用nvdia titan x gpu。
6.如权利要求1所述的一种口腔浅表恶性肿瘤人工智能辅助诊断...
【专利技术属性】
技术研发人员：马旭辉，
申请(专利权)人：上海交通大学医学院附属第九人民医院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。