CN113554641A - 一种儿科咽部图像采集方法及装置 - Google Patents

Abstract

本发明提供了一种儿科咽部图像采集方法及装置，所述方法包括：获得第一用户信息；根据第一图像采集模块，获得第一用户咽部图像信息；对第一咽部图像信息进行预处理，获得第一预处理图像信息；将第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；根据第一分区指令信息对第一预处理图像信息进行梯度分区，获得第一分区结果信息；根据第一分区结果信息，结合大数据获得第一分区历史图像信息；将第一分区结果信息和第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；使用第一诊断评估结果对第一用户咽部图像信息进行标记，获得第一标记图像集合，解决了现有技术中对于咽部图像处理存在准确程度不够的技术问题。

Description

一种儿科咽部图像采集方法及装置

技术领域

本发明涉及图像识别相关技术领域，具体涉及一种儿科咽部图像采集方法及装置。

背景技术

近几年，随着机器学习研究的不断深入，以及智慧医疗概念的提出，人工智能和医疗结合已经成为医疗健康服务新模式的研究热点，在图像识别、疾病模型预测、生物大数据挖掘等领域做出了大量实践。

耳鼻喉由于其病变多发于腔隙内，需要内镜和影响学辅助诊断，人工智能的研究逐渐重视，在咽喉学中有对咽喉的颜色和纹理进行评估判断咽喉健康状况，辅助诊断。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术对采集咽部图像的纹理和颜色进行症状聚类，将其划至可能的病理原因中，为诊断提供参考，由于对于图像处理的过于简单和片面，导致存在准确程度不够的技术问题。

发明内容

本申请实施例通过提供了一种儿科咽部图像采集方法及装置，解决了现有技术对采集咽部图像的纹理和颜色进行症状聚类，将其划至可能的病理原因中，为诊断提供参考，由于对于图像处理的过于简单和片面，导致存在准确程度不够的技术问题。达到了通过对图像进行梯度分区，将每个分区信息和历史类似症状比对，再由智能化模型评估得到诊断结果，并将诊断结果和咽部图像匹配，得到的加工后的图像集合为辅助诊断提供更加智能化和准确的参考信息的技术效果。

鉴于上述问题，本申请实施例提供了一种儿科咽部图像采集方法及装置。

第一方面，本申请实施例提供了一种儿科咽部图像采集方法，其中，所述方法应用于一医学护目镜，所述第一医学护目镜包括第一补光模块和第一图像采集模块，包括：获得第一用户信息；根据所述第一图像采集模块，获得所述第一用户咽部图像信息；对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合。

另一方面，本申请实施例提供了一种儿科咽部图像采集装置，其中，所述装置包括：第一获得单元，所述第一获得单元用于获得第一用户信息；第二获得单元，所述第二获得单元用于根据第一图像采集模块，获得所述第一用户咽部图像信息；第三获得单元，所述第三获得单元用于对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；第一发送单元，所述第一发送单元用于将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；第一分区单元，所述第一分区单元用于根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；第四获得单元，所述第四获得单元用于根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；第五获得单元，所述第五获得单元用于将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；第六获得单元，所述第六获得单元用于使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合。

第三方面，本申请实施例提供了一种儿科咽部图像采集***，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了获得第一用户信息；根据所述第一图像采集模块，获得所述第一用户咽部图像信息；对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合的技术方案，达到了通过对图像进行梯度分区，将每个分区信息和历史类似症状比对，再由智能化模型评估得到诊断结果，并将诊断结果和咽部图像匹配，得到的加工后的图像集合为辅助诊断提供更加智能化和准确的参考信息的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种儿科咽部图像采集方法流程示意图；

图2为本申请实施例另一种儿科咽部图像采集方法流程示意图

图3为本申请实施例一种儿科咽部图像采集装置结构示意图；

图4为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一发送单元14，第一分区单元15，第四获得单元16，第五获得单元17，第六获得单元18，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请实施例通过提供了一种儿科咽部图像采集方法及装置，解决了现有技术对采集咽部图像的纹理和颜色进行症状聚类，将其划至可能的病理原因中，为诊断提供参考，由于对于图像处理的过于简单和片面，导致存在准确程度不够的技术问题。达到了通过对图像进行梯度分区，将每个分区信息和历史类似症状比对，再由智能化模型评估得到诊断结果，并将诊断结果和咽部图像匹配，得到的加工后的图像集合为辅助诊断提供更加智能化和准确的参考信息的技术效果。

申请概述

近几年，随着机器学习研究的不断深入，以及智慧医疗概念的提出，人工智能和医疗结合已经成为医疗健康服务新模式的研究热点，在图像识别、疾病模型预测、生物大数据挖掘等领域做出了大量实践。耳鼻喉由于其病变多发于腔隙内，需要内镜和影响学辅助诊断，人工智能的研究逐渐重视，在咽喉学中有对咽喉的颜色和纹理进行评估判断咽喉健康状况，辅助诊断。但现有技术对采集咽部图像的纹理和颜色进行症状聚类，将其划至可能的病理原因中，为诊断提供参考，由于对于图像处理的过于简单和片面，导致存在准确程度不够的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种儿科咽部图像采集方法，其中，所述方法应用于一医学护目镜，所述第一医学护目镜包括第一补光模块和第一图像采集模块，包括：获得第一用户信息；根据所述第一图像采集模块，获得所述第一用户咽部图像信息；对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种儿科咽部图像采集方法，其中，所述方法应用于一医学护目镜，所述第一医学护目镜包括第一补光模块和第一图像采集模块，包括：

S100：获得第一用户信息；

S200：根据所述第一图像采集模块，获得所述第一用户咽部图像信息；

具体而言，所述第一用户信息指的是在耳鼻喉科就诊的咽喉患者信息，包括但不限于：患者的年龄、性别、咽喉病史、过往检查数据等信息；所述第一用户信息优选的获取方式为：所述第一护目镜和医院的患者信息平台通信连接，在对所述第一用户做检查的时候，所述第一护目镜利用所述第一图像采集模块所述第一用户的人脸特征，进行人脸识别匹配所述第一用户，调用所述第一用户信息。所述第一图像采集模块指的是用于对所述第一用户进行原始图像采集的管理模块，可选的使用智能高清***头；所述第一用户咽部图像信息指的是在识别医生的检查指令后，对所述第一用户的咽部进行图像采集得到数据。优选的通过对所述第一护目镜的移动调整采集位置，通过所述第一补光模块和所述第一图像采集模块协调配合采集到高清图像，所述第一补光模块指的是可以根据实际图像拍摄情况进行辅助打光的管理模块。通过对所述第一用户信息进行调用和所述第一用户咽部原始图像信息的采集，为后步图像进一步的加工处理提供了完整的信息基础。

S300：对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；

进一步的，基于所述对所述第一咽部图像信息进行预处理，获得第一预处理图像信息，步骤S300还包括：

S310：根据所述第一咽部影像分析平台，获得第一预处理标准；

S320：将所述第一咽部图像信息和所述第一预处理标准一一进行比对，删减不符合所述第一预处理标准的图像信息，获得第一比对结果；

S330：将所述第一比对结果按照采集时间排序，获得第一预处理图像。

具体而言，所述第一预处理图像指的是在所述第一图像采集模块采集到所述第一用户的咽部原始信息后，由所述第一护目镜对所述第一用户咽部图像信息进行降维筛选后得到的图像集合。进一步的，所述第一预处理标准指的是设定的对所述第一用户咽部图像信息进行筛减的标准数据，举不设限制的一例如可以将所述第一预处理标准设定为咽部图像识别的最低图像分辨率，可依据实际应用场景进行设定；可以所述第一对比结果指的是将所述第一咽部图像信息和所述第一预设标准进行比对，删除不符合所述第一预设标准的所述第一咽部图像得到的结果，并对图像信息进行补充，直到得到满足所述第一预设标准且可表征所述第一用户咽部基本信息的图像集合时停止；更进一步的，将所述第一比对结果中的图像信息优选的按照拍摄时间先后进行排序得到所述第一预处理图像。通过所述第一用户咽部图像信息进行预处理，可以降低图像信息冗杂性，提高效率。

S400：将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；

S500：根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；

具体而言，所述第一咽部影响分析平台指的是对所述第一预处理图像进行再加工的图像处理平台；所述第一分区指令指的是在所述第一护目镜将所述第一用户眼部图像预处理停止后，将得到所述第一预处理图像上传至所述第一咽部影像分析平台，得到的对所述第一预处理图像进行处理的指令信号。进一步的，所述第一分区结果信息指的是所述第一咽部影像分析平台依据所述第一分区指令对所述第一预处理图像进行分区，优选的分区方式是根据所述第一预处理图像的纹理、颜色、形貌进行区域划分，得到多个纹理、颜色、形貌相似的区域。依据所述第一分区结果可以快速识别出定位出异常纹理、色度和形貌的区域。

S600：根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；

具体而言，所述第一分区历史图像信息指的是结合大数据将和所述第一分区结果中的每一个分区颜色、纹理和形貌类似的历史患者的图像信息进行存储，并和每个分区对应存储得到图像信息集合。通过将所述第一分区历史图像信息进行采集，进一步可以和所述第一分区结果中的信息比较，迅速的甄别出异常分区，并得到相对应历史患者的诊断结果，可以对所述第一用户的咽部病情诊断提供信息参考基础。

S700：将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；

S800：使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合。

具体而言，所述第一诊断评估结果信息是根据所述第一分区结果信息和所述第一分区历史图像信息经过智能化模型分析得到对所述第一用户咽部病情的评估结果，所述第一诊断评估结果是以神经网络模型为基础建立，具有神经网络模型的特性，其中，人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及功能的一种抽象数学模型，神经网络是一种运算模型，由大量的节点(或称神经元)之间相互连接构成，每个节点代表一种特定的输出函数称为激励函数，每两个节点之间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆，网络的输出则依照网络的连接方式，是对一种逻辑策略的表达，基于神经网络模型建立的所述第一诊断评估结果能够输出准确的所述第一诊断评估结果信息，从而具备了较强的分析计算能力，达到了准确而高效的技术效果。

进一步的，所述第一标记图像集合指的是将所述第一诊断评估结果信息和所述第一分区结果信息中异常分区信息对应的标记在所述第一用户咽部图像信息用来表征所述第一用户的咽部病情信息的图像集合。通过对采集到的原始图像进行加工处理得到加工处理后的所述第一标记图像集合表征所述第一用户的咽部病情信息，为所述第一用户咽部病情的高效诊断提供了信息基础。

进一步的，基于所述根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息，步骤S500还包括：

S510：对所述第一预处理图像进行特征提取，获得第一特征信息，所述第一特征信息包括第一颜色特征信息和第一纹理特征信息；

S520：依据所述第一颜色特征信息和所述第一纹理特征信息对所述第一预处理图像聚类分析，获得第一聚类结果；

S530：根据所述第一聚类结果，获得所述第一分区结果信息。

具体而言，所述第一特征信息指的是对所述第一预处理图像信息进行特征提取得到数据，优选的使用基于卷积神经网络训练的特征提取模型进行特征提取，卷积可以作为在机器学习中的特征提取器，从而使得提取到的特征信息具有集中性和代表性，进而获得所述第一预处理图像信息的卷积特征，卷积神经网络是神经网络的一种，对于特征提取尤其是图像特征提取有着优异的识别功能，得到所述第一特征信息具有较高的准确性；所述第一颜色特征和所述第一纹理特征指的是所述第一预处理图像信息的颜色特征和纹理特征，在咽喉科中，通过对喉镜采集到图像的颜色和纹理进行分析，判断咽喉的异常状况；进一步的，所述第一聚类结果指的是依据所述第一颜色特征信息和所述第一纹理特征信息将所述第一预处理图像具有明显纹理和色度差异区域划分，将所述第一预处理图像划分为一个个小的区域；更进一步的，优选的依据所述第一聚类结果将所述第一预处理图像划分出的区域图像进行存储，作为所述第一用户咽部图像信息的多个分区，即为所述第一分区结果信息，通过所述第一分区结果信息可以更加精准高效的对咽部异常的位置进行定位。

进一步的，所述方法还包括步骤S900：

S910：将所述第一预处理图像进行空间特征提取，获得第二特征信息，所述第二特征信息包括第一形貌特征信息；

S920：依据所述第一形貌特征信息，获得第一修正指令；

S930：根据所述第一修正指令修正所述第一分区结果信息，获得第二分区结果信息。

具体而言，所述第二特征信息指的是对所述第一预处理信息进行空间特征提取，即形貌的特征提取，优选的提取方式也为使用基于卷积神经网络训练的特征提取模型进行特征提取，卷积可以作为在机器学习中的特征提取器，从而使得提取到的特征信息具有集中性和代表性，进而获得所述第一预处理图像信息的卷积特征，卷积神经网络是神经网络的一种，对于特征提取尤其是图像特征提取有着优异的识别功能，得到所述第二特征信息具有较高的准确性，所述第一形貌特征信息指的是表征所述第一用户咽部形貌的信息，一般喉镜观察得到的图像信息主要依据色度和纹理评估诊断，但无法在空间上对咽部形貌信息评估，而通过所述第一形貌特征信息可以更加直观的对所述第一用户的咽部病情进行分析评估；所述第一修正指令指的是根据所述第一形貌信息结合人体病理学和生理学知识库对所述第一用户咽部健康状况做评估；所述第二分区结果信息指的是依据所述第一修正指令对所述第一分区结果做修正或者信息添加后的结果。通过所述第一形貌特征信息可以更加直观的对所述第一用户的咽部病情进行分析评估，对所述第一分区结果进行修正得到的所述第二分区结果更全面的表征所述第一用户的咽部病情信息。

进一步的，基于所述将所述第一预处理图像进行空间特征提取之前，如图2所示，步骤S910包括：

S911：根据所述第一图像采集模块，获得第一预处理图像的第一位置信息，所述第一位置信息包括第一采集角度信息，第一采集高度信息和第一采集水平位置信息。

S912：利用所述第一采集角度信息，所述第一采集高度信息和所述第一采集水平位置信息构建所述第一预处理图像的空间位置信息，获得第一排布指令；

S913：根据所述第一排布指令和所述第一空间位置信息将第一预处理图像信息进行空间排布，获得第一空间排布信息；

S914：将所述第一空间排布信息输入所述第一建模***，获得第一咽部建模影像信息。

具体而言，所述第一位置信息指的是依据所述第一图像采集模块的拍摄角度、拍摄高度等信息的得到表征所述第一预处理图像位置数据的信息，所述第一采集角度信息，所述第一采集高度信息和所述第一采集水平位置信息包含于所述第一位置信息中，将所述第一采集角度信息，所述第一采集高度信息和所述第一采集水平位置信息和所述第一预处理图像进行匹配；进一步的，所述第一空间位置信息指的是利用所述第一预处理图像的所述采集角度信息，所述第一采集高度信息和所述第一采集水平位置信息构建的所述第一预处理图像的空间坐标信息；所述第一排布指令指的是在所述第一预处理图像在构建好所述第一空间位置信息后，发出来的将所述第一预处理图像依据所述第一空间位置信息进行排布的控制信号。进一步的，所述第一空间排布信息指的是依据所述第一排布指令将所述第一预处理图像按照其对应的所述第一空间位置进行排布得到结果；更进一步的，所述第一建模***指的是智能化自动建模***，可以依据获取稀疏的所述第一空间排布信息，依据所述第一用户的咽部特征数据，进行推理得到完整的所述第一用户咽部的空间图像信息。在所述第一用户为不宜利用喉镜采集咽部图像的群体时，如儿童、老人、咽部发炎较严重的情况，采用所述第一建模***也可以对所述第一用户的咽部进行推理，得到表征所述第一用户咽部数据的图像信息，即为所述第一咽部建模影像信息。通过所述第一咽部建模影像信息可以为所述第一用户的空间特征提取提供较准确的信息基础。

进一步的，基于所述根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息，步骤S600包括：

S610：根据所述第一用户信息在大数据中检索，获得第一历史图像信息；

S620：将所述第一历史图像信息和所述第一分区结果进行匹配，获得第一匹配结果，所述第一匹配结果中所述第一历史图像信息和所述第一分区结果一一对应；

S630：根据所述第一匹配结果信息，构建第一历史图像分区数据库，所述第一历史图像分区数据库为多个；

S640：根据所述第一特征信息在所述第一历史图像分区数据库进行遍历运算，获得第一筛选结果；

S650：将所述第一筛选结果作为所述第一分区历史图像信息。

具体而言，所述第一历史图像信息指的是依据所述第一用户的基本信息和所述第一预处理图像信息在大数据平台中进行检索，得到和所述第一用户相似的历史患者的咽部检查图像信息以及对应的诊断结果信息；进一步的，所述第一匹配结果指的是将所述第一历史图像信息和所述第一分区结果信息的每个分区进行匹配，将所述第一分区结果信息中每个分区和其对应的所述第一历史图像信息对应存储得到结果；更进一步的，所述第一历史图像分区数据库指的是依据所述第一匹配结果存储的信息，将所述第一分区结果中每个分区对应的所述第一预处理图像和所述第一历史图像信息存储为一个数据库，多个分区的具有多个数据库；更进一步的，所述第一筛选结果指的是依据所述第一特征信息和所述第一历史图像分区数据库进行比对遍历，优选的将纹理和色度到达预设要求的留下，未达到预设要求的删减，其中预设要求可由医生自主设定；更进一步的，将筛选后的所述第一历史图像分区数据库作为所述第一分区历史图像信息。

进一步的，基于所述将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果，步骤S700包括：

S710：将所述第一分区结果信息和所述第一分区历史图像信息输入诊断评估模型；

S720：所述第一诊断评估模型通过多组输入数据训练至收敛状态而得，所述多组输入数据中的每组数据均包含所述第一分区结果信息和所述第一分区历史图像信息和用于标识所述第一用户咽部病情的标识信息；

S730：获得所述第一诊断评估模型的输出信息，所述输出信息包括所述第一诊断评估结果。

具体而言，所述第一诊断评估模型神经网络模型，所述神经网络模型即机器学习中的神经网络模型，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习***。其中，它能根据训练数据进行不断的自我训练学习，所述多组训练数据中的每组均包括：所述第一分区结果信息和所述第一分区历史图像信息和用于标识所述第一用户咽部病情的标识信息，所述第一诊断评估模型不断地自我的修正，当所述第一诊断评估模型的输出信息达到预定的准确率/收敛状态时，则监督学习过程结束。通过对所述第一诊断评估模型进行数据训练，使得所述第一诊断评估模型处理输入数据更加准确，进而使得输出的所述第一诊断评估结果信息也更加准确，达到了准确获得数据信息，提高评估结果智能化的技术效果。

综上所述，本申请实施例所提供的一种儿科咽部图像采集方法及装置具有如下技术效果：

1.由于采用了获得第一用户信息；根据所述第一图像采集模块，获得所述第一用户咽部图像信息；对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合的技术方案，达到了通过对图像进行梯度分区，将每个分区信息和历史类似症状比对，再由智能化模型评估得到诊断结果，并将诊断结果和咽部图像匹配，得到的加工后的图像集合为辅助诊断提供更加智能化和准确的参考信息的技术效果。

2.通过所述第一形貌特征信息可以更加直观的对所述第一用户的咽部病情进行分析评估，对所述第一分区结果进行修正得到的所述第二分区结果更全面的表征所述第一用户的咽部病情信息。

实施例二

基于与前述实施例中一种儿科咽部图像采集方法相同的发明构思，如图3所示，本申请实施例提供了一种儿科咽部图像采集装置，其中，所述装置包括：

第一获得单元11，所述第一获得单元11用于获得第一用户信息；

第二获得单元12，所述第二获得单元12用于根据第一图像采集模块，获得所述第一用户咽部图像信息；

第三获得单元13，所述第三获得单元13用于对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；

第一发送单元14，所述第一发送单元14用于将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；

第一分区单元15，所述第一分区单元15用于根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；

第四获得单元16，所述第四获得单元16用于根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；

第五获得单元17，所述第五获得单元17用于将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；

第六获得单元18，所述第六获得单元18用于使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合。

进一步的，所述装置还包括：

第七获得单元，所述第七获得单元用于根据所述第一咽部影像分析平台，获得第一预处理标准；

第一比对单元，所述第一比对单元用于将所述第一咽部图像信息和所述第一预处理标准一一进行比对，删减不符合所述第一预处理标准的图像信息，获得第一比对结果；

第一排序单元，所述第一排序单元用于将所述第一比对结果按照采集时间排序，获得第一预处理图像。

进一步的，所述装置还包括：

第一提取单元，所述第一提取单元用于对所述第一预处理图像进行特征提取，获得第一特征信息，所述第一特征信息包括第一颜色特征信息和第一纹理特征信息；

第一聚类单元，所述第一聚类单元用于依据所述第一颜色特征信息和所述第一纹理特征信息对所述第一预处理图像聚类分析，获得第一聚类结果；

第八获得单元，所述第八获得单元用于根据所述第一聚类结果，获得所述第一分区结果信息。

进一步的，所述装置还包括：

第二提取单元，所述第二提取单元用于将所述第一预处理图像进行空间特征提取，获得第二特征信息，所述第二特征信息包括第一形貌特征信息；

第九获得单元，所述第九获得单元用于依据所述第一形貌特征信息，获得第一修正指令；

第十获得单元，所述第十获得单元用于根据所述第一修正指令修正所述第一分区结果信息，获得第二结果信息。

进一步的，所述装置还包括：

第十一获得单元，所述第十一获得单元用于根据所述第一图像采集模块，获得第一预处理图像的第一位置信息，所述第一位置信息包括第一采集角度信息，第一采集高度信息和第一采集水平位置信息。

第一构建单元，所述第一构建单元用于利用所述第一采集角度信息，所述第一采集高度信息和所述第一采集水平位置信息构建所述第一预处理图像的空间位置信息，获得第一排布指令；

第十二获得单元，所述第十二获得单元用于根据所述第一排布指令和所述第一空间位置信息将第一预处理图像信息进行空间排布，获得第一空间排布信息；

第十三获得单元，所述第十三获得单元用于将所述第一空间排布信息输入所述第一建模***，获得第一咽部建模影像信息。

进一步的，所述装置还包括：

第十四获得单元，所述第十四获得单元用于根据所述第一用户信息在大数据中检索，获得第一历史图像信息；

第一匹配单元，所述第一匹配单元用于将所述第一历史图像信息和所述第一分区结果进行匹配，获得第一匹配结果，所述第一匹配结果中所述第一历史图像信息和所述第一分区结果一一对应；

第二构建单元，所述第二构建单元用于根据所述第一匹配结果信息，构建第一历史图像分区数据库，所述第一历史图像分区数据库为多个；

第一遍历单元，所述第一遍历单元用于根据所述第一特征信息在所述第一历史图像分区数据库进行遍历运算，获得第一筛选结果；

第一设置单元，所述第一设置单元用于将所述第一筛选结果作为所述第一分区历史图像信息。

进一步的，所述装置还包括：

第一输入单元，所述第一输入单元用于将所述第一分区结果信息和所述第一分区历史图像信息输入诊断评估模型；

第一训练单元，所述第一训练单元用于所述第一诊断评估模型通过多组输入数据训练至收敛状态而得，所述多组输入数据中的每组数据均包含所述第一分区结果信息和所述第一分区历史图像信息和用于标识所述第一用户咽部病情的标识信息；

第一输出单元，所述第一输出单元用于获得所述第一诊断评估模型的输出信息，所述输出信息包括所述第一诊断评估结果。

示例性电子设备

下面参考图4来描述本申请实施例的电子设备，

基于与前述实施例中一种儿科咽部图像采集方法相同的发明构思，本申请实施例还提供了一种儿科咽部图像采集***，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得***以执行第一方面任一项所述的方法

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种儿科咽部图像采集方法。

可选的，本申请实施例中的计算机执行指令也可以称之为应用程序代码，本申请实施例对此不作具体限定。

本申请实施例提供了一种儿科咽部图像采集方法，其中，所述方法应用于一医学护目镜，所述第一医学护目镜包括第一补光模块和第一图像采集模块，包括：获得第一用户信息；根据所述第一图像采集模块，获得所述第一用户咽部图像信息；对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合，达到了通过对图像进行梯度分区，将每个分区信息和历史类似症状比对，再由智能化模型评估得到诊断结果，并将诊断结果和咽部图像匹配，得到的加工后的图像集合为辅助诊断提供更加智能化和准确的参考信息的技术效果。

本领域普通技术人员可以理解：本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围，也不表示先后顺序。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个、种)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列(FPGA)或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于终端中。可选地，处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (9)

1.一种儿科咽部图像采集方法，其中，所述方法应用于一医学护目镜，所述第一医学护目镜包括第一补光模块和第一图像采集模块，包括：

获得第一用户信息；

根据所述第一图像采集模块，获得所述第一用户咽部图像信息；

对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；

将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；

根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；

根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；

将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；

使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合。

2.如权利要求1所述的方法，其中，所述对所述第一咽部图像信息进行预处理，获得第一预处理图像信息，包括：

根据所述第一咽部影像分析平台，获得第一预处理标准；

将所述第一咽部图像信息和所述第一预处理标准一一进行比对，删减不符合所述第一预处理标准的图像信息，获得第一比对结果；

将所述第一比对结果按照采集时间排序，获得第一预处理图像。

3.如权利要求1所述的方法，其中，所述根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息，包括：

对所述第一预处理图像进行特征提取，获得第一特征信息，所述第一特征信息包括第一颜色特征信息和第一纹理特征信息；

依据所述第一颜色特征信息和所述第一纹理特征信息对所述第一预处理图像聚类分析，获得第一聚类结果；

根据所述第一聚类结果，获得所述第一分区结果信息。

4.如权利要求3所述的方法，其中，所述方法还包括：

将所述第一预处理图像进行空间特征提取，获得第二特征信息，所述第二特征信息包括第一形貌特征信息；

依据所述第一形貌特征信息，获得第一修正指令；

根据所述第一修正指令修正所述第一分区结果信息，获得第二分区结果信息。

5.如权利要求4所述的方法，其中，所述将所述第一预处理图像进行空间特征提取之前，包括：

根据所述第一图像采集模块，获得第一预处理图像的第一位置信息，所述第一位置信息包括第一采集角度信息，第一采集高度信息和第一采集水平位置信息。

利用所述第一采集角度信息，所述第一采集高度信息和所述第一采集水平位置信息构建所述第一预处理图像的空间位置信息，获得第一排布指令；

根据所述第一排布指令和所述第一空间位置信息将第一预处理图像信息进行空间排布，获得第一空间排布信息；

将所述第一空间排布信息输入所述第一建模***，获得第一咽部建模影像信息。

6.如权利要求1所述的方法，其中，所述根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息，包括：

根据所述第一用户信息在大数据中检索，获得第一历史图像信息；

将所述第一历史图像信息和所述第一分区结果进行匹配，获得第一匹配结果，所述第一匹配结果中所述第一历史图像信息和所述第一分区结果一一对应；

根据所述第一匹配结果信息，构建第一历史图像分区数据库，所述第一历史图像分区数据库为多个；

根据所述第一特征信息在所述第一历史图像分区数据库进行遍历运算，获得第一筛选结果；

将所述第一筛选结果作为所述第一分区历史图像信息。

7.如权利要求1所述的方法，其中，所述将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果，包括：

将所述第一分区结果信息和所述第一分区历史图像信息输入诊断评估模型；

所述第一诊断评估模型通过多组输入数据训练至收敛状态而得，所述多组输入数据中的每组数据均包含所述第一分区结果信息和所述第一分区历史图像信息和用于标识所述第一用户咽部病情的标识信息；

获得所述第一诊断评估模型的输出信息，所述输出信息包括所述第一诊断评估结果。

8.一种儿科咽部图像采集装置，其中，所述装置包括：

第一获得单元，所述第一获得单元用于获得第一用户信息；

第二获得单元，所述第二获得单元用于根据第一图像采集模块，获得所述第一用户咽部图像信息；

第三获得单元，所述第三获得单元用于对所述第一咽部图像信息进行预处理，获得第一预处理图像信息；

第一发送单元，所述第一发送单元用于将所述第一预处理图像信息上传至第一咽部影像分析平台，获得第一分区指令；

第一分区单元，所述第一分区单元用于根据所述第一分区指令信息对所述第一预处理图像信息进行梯度分区，获得第一分区结果信息；

第四获得单元，所述第四获得单元用于根据所述第一分区结果信息，结合大数据获得第一分区历史图像信息；

第五获得单元，所述第五获得单元用于将所述第一分区结果信息和所述第一分区历史图像信息输入第一诊断评估模型，获得第一诊断评估结果；

第六获得单元，所述第六获得单元用于使用所述第一诊断评估结果对所述第一用户咽部图像信息进行标记，获得第一标记图像集合。

9.一种儿科咽部图像采集***，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使***以执行如权利要求1至7任一项所述的方法。

Images