楊聚加，段 然 ，吳亞光，冉 杰，朱 浩

(1.陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院信息科，重慶 400038；2.重慶市人民醫(yī)院信息處 400013；3.陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院皮膚科，重慶 400038；4.重慶郵電大學(xué)自動(dòng)化學(xué)院 400065)

痤瘡是一種常見的多因素引發(fā)的毛囊皮脂腺慢性炎癥疾病，該疾病的誤診往往會(huì)對(duì)患者的身體與心理產(chǎn)生嚴(yán)重的影響，甚至?xí)l(fā)心理疾病[1]。當(dāng)前，在國內(nèi)外針對(duì)皮膚癌診斷的皮膚鏡圖像輔助診斷系統(tǒng)已得到應(yīng)用[2]，其診斷主要是臨床醫(yī)生借助皮膚鏡采集患者圖像并在顯微鏡下對(duì)其進(jìn)行放大，觀察活體表皮、表皮和真皮交界及真皮乳頭的顏色和結(jié)構(gòu)等，再由醫(yī)生的經(jīng)驗(yàn)給出非精準(zhǔn)的診斷，但皮膚鏡圖像處理技術(shù)確是皮膚病早期診斷的有效工具，其對(duì)痤瘡診斷起到了至關(guān)重要的作用[3]。而利用數(shù)據(jù)分類算法、人工智能、皮膚鏡圖像處理技術(shù)與皮膚診斷學(xué)深度融合的自主診斷系統(tǒng)尚未得到應(yīng)用。醫(yī)療診斷系統(tǒng)是醫(yī)療與人工智能交叉領(lǐng)域的研究熱點(diǎn)之一，其目標(biāo)是利用人工智能、大數(shù)據(jù)分析、診斷學(xué)和動(dòng)力體系等融合研究一種具有強(qiáng)泛化性能的智能醫(yī)療診斷模型[4]，用以幫助并輔助臨床醫(yī)生對(duì)各類疾病提供精準(zhǔn)的臨床診斷。本研究是基于數(shù)據(jù)分類算法、皮膚鏡圖像處理技術(shù)、人工智能與皮膚診斷學(xué)等多學(xué)科跨科深度融合，建立一種具備高效率、高精準(zhǔn)、智能化的尋常型痤瘡診斷系統(tǒng)，用于幫助并提高對(duì)該病種初診的準(zhǔn)確率，為廣大尋常型痤瘡皮膚患者提供精準(zhǔn)化的醫(yī)療服務(wù)。

1 資料與方法

1.1 一般資料

以陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院皮膚科2018-2020年門診確診尋常型痤瘡患者的皮膚鏡影像為研究對(duì)象，年齡10～40歲。通過收集并匯總歷史痤瘡皮膚影像數(shù)據(jù)，在此基礎(chǔ)上利用數(shù)據(jù)分類算法創(chuàng)建一種針對(duì)尋常型痤瘡影像的圖像預(yù)處理與特征提取的方法；通過分析海量歷史確診尋常型痤瘡病癥的影像數(shù)據(jù)特征空間的聚類性、逼近性和攝動(dòng)性，尋找其具備的共性問題；通過抽取與分析尋常型痤瘡圖像的共性特征，建立智慧尋常型痤瘡診斷模型，進(jìn)而實(shí)現(xiàn)通過皮膚鏡采集患者皮膚影像資料后使用該模型可自動(dòng)精準(zhǔn)診斷是否為尋常型痤瘡病癥的目的。

1.2 研究內(nèi)容

1.2.1痤瘡皮膚影像的采集與預(yù)處理

采集陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院皮膚科2018-2020年患有尋常型痤瘡典型炎癥特征的海量患者皮膚影像數(shù)據(jù)；再通過使用Brute-Force方法對(duì)采集的圖像數(shù)據(jù)中痤瘡特征進(jìn)行逐一過濾，目的是得到精準(zhǔn)的相關(guān)性最大特征并對(duì)相關(guān)具體問題進(jìn)行針對(duì)性描述。針對(duì)一般皮膚鏡影像數(shù)據(jù)具有的不規(guī)則性、冗余性、高維性及不平衡性，開展皮膚影像數(shù)據(jù)的去噪、篩選、降維等預(yù)處理，構(gòu)建海量的尋常型痤瘡皮膚影像特征樣本數(shù)據(jù)庫。

1.2.2痤瘡影像區(qū)域分割與特征提取

通過采用分割方法對(duì)采集到的海量尋常型痤瘡皮膚影像數(shù)據(jù)中關(guān)于痤瘡影像特征區(qū)域進(jìn)行針對(duì)性提取，結(jié)合尋常型痤瘡病理的形成機(jī)制，研究尋常型痤瘡炎癥的影像共性特征，分析特征空間的穩(wěn)定性與普適性，從而建立一種針對(duì)痤瘡影像特征提取的計(jì)算模型與方法，形成痤瘡影像典型特征的描述算力。分割方法主要包含但不限于圖形顏色、形狀大小及結(jié)構(gòu)紋理等。

1.2.3尋常型痤瘡特征融合與規(guī)范化診斷模型建立

研究與分析海量痤瘡皮膚影像圖像特征，找到共性特征確定融合方法并制訂評(píng)價(jià)方法；建立基于病理特征的機(jī)器學(xué)習(xí)模型，結(jié)合臨床經(jīng)驗(yàn)優(yōu)化痤瘡診斷模型參數(shù)設(shè)置，同時(shí)測試診斷模型的穩(wěn)定特性和魯棒性能并加以改進(jìn)完善。

1.3 擬解決問題

1.3.1建立痤瘡炎癥特征的深度挖掘方法

考慮到在實(shí)際采集皮膚影像數(shù)據(jù)過程中會(huì)受外部光照、采集姿態(tài)等外部因素的影響，導(dǎo)致影像數(shù)據(jù)質(zhì)量不高的問題，為此，構(gòu)建具有實(shí)時(shí)學(xué)習(xí)能力的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，深層次刻畫尋常型痤瘡炎癥狀態(tài)演變的本質(zhì)和內(nèi)涵，建立尋常型痤瘡特征的深度挖掘方法是需要首先突破的科學(xué)問題。

1.3.2構(gòu)建基于尋常型痤瘡的智能診斷模型

痤瘡診斷過程中，由于患者所表現(xiàn)的癥狀及特點(diǎn)存在很大的差異，即使屬于尋常型痤瘡，但因患者年齡、發(fā)病特征及每位臨床醫(yī)生診斷思路等均存在一定的差異，最終可能會(huì)出現(xiàn)診斷結(jié)果不一致的情況。為此，結(jié)合醫(yī)院多年的診斷思路，定量分析尋常型痤瘡特征空間變量對(duì)診斷結(jié)論的影像特性，統(tǒng)觀內(nèi)部參數(shù)的復(fù)雜性與外部因素的可變性，構(gòu)建尋常型痤瘡的智能診斷模型，是需要著力解決的另一個(gè)關(guān)鍵科學(xué)問題。

1.4 方法

1.4.1數(shù)據(jù)庫的形成

對(duì)有效圖像數(shù)據(jù)質(zhì)量評(píng)估與質(zhì)量分類，在其評(píng)估后的結(jié)果進(jìn)行預(yù)處理與圖像分割，從采集的影像圖像中分割出滿足要求尋常型痤瘡臨床表現(xiàn)的重點(diǎn)區(qū)域，通過提取炎癥相關(guān)的主要特征點(diǎn)，運(yùn)用數(shù)據(jù)分類算法與痤瘡臨床表現(xiàn)的不同特征進(jìn)行分類與關(guān)聯(lián)，并建立相關(guān)的痤瘡特征與分類模型，形成相關(guān)數(shù)據(jù)庫，見圖1。

圖1圖像提取分析流程圖

1.4.2神經(jīng)網(wǎng)絡(luò)模型的建立

(1)wj·(t+1)=wj·(t)+a(f(wj·1,X),(f(wj·2,X)，…(f(wj·n,X))

(2)f(wj·i,X)=sgn(xi-wj·i)d(wj·i,X)，(1)式中為學(xué)習(xí)率，依此方法充分學(xué)習(xí)后，競爭獲勝神經(jīng)元的權(quán)向量成為輸入模式的一個(gè)聚類中心[16]。

1.4.3模型原理及技術(shù)路線

借助神經(jīng)網(wǎng)絡(luò)模型與SVM分類器，以及上述過程中提取的關(guān)聯(lián)特征與臨床診斷進(jìn)行對(duì)照與分析，從而實(shí)現(xiàn)尋常型痤瘡的自動(dòng)診斷與判定，其模型原理見圖3。綜合上述研究與設(shè)計(jì)，基于數(shù)據(jù)分類算法的智慧痤瘡皮膚診療模型在建立初步模型時(shí)的技術(shù)路線見圖4。

A：傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)模型；B：模糊循環(huán)神經(jīng)網(wǎng)絡(luò)模型。

圖3模型診斷示意圖

圖4技術(shù)路線

1.5 研究應(yīng)用

通常臨床醫(yī)生在面對(duì)皮膚病患者進(jìn)行診治時(shí)，針對(duì)初次就診的患者主要是面對(duì)面的咨詢問診和使用儀器設(shè)備(電子皮膚鏡)進(jìn)行常規(guī)性檢查與檢測，然后憑借結(jié)果根據(jù)自己多年的經(jīng)驗(yàn)對(duì)可能患有的疾病進(jìn)行診療，并按照診療方案制訂進(jìn)一步的治療計(jì)劃，再通過復(fù)診、復(fù)查等手段查驗(yàn)治療效果是否有效與對(duì)癥，如發(fā)現(xiàn)治療效果不甚理想可及時(shí)進(jìn)行修正，直至找出最優(yōu)于患者的治療方案。

本研究的應(yīng)用則是面對(duì)門診患者時(shí)，臨床醫(yī)生只需通過皮膚鏡采集患者發(fā)病部位的影像資料，就可通過該模型進(jìn)行自主提取痤瘡特征區(qū)域與模型樣本庫進(jìn)行對(duì)比，并迅速給出臨床診斷、建議與治療方案等，從而提高準(zhǔn)確率和節(jié)約時(shí)間。具體利用模型的臨床診斷思路見圖5。

圖5臨床診斷思路

2 結(jié) 果

該診斷模型確立后，隨機(jī)抽取來自陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院皮膚科門診就診并且經(jīng)過初步問診后經(jīng)醫(yī)生判斷需進(jìn)一步開具皮膚鏡影像檢查的患者，利用武漢博視電子科技有限公司生產(chǎn)的CBS牌CBS-908型號(hào)的醫(yī)用數(shù)碼顯微分析儀(電子皮膚鏡)對(duì)患者皮膚發(fā)病區(qū)域進(jìn)行圖像采集。圖像采集完成后，通過臨床醫(yī)生利用皮膚鏡進(jìn)行人工診斷和使用本模型結(jié)合皮膚鏡進(jìn)行自動(dòng)診斷這兩種不同的方式分別針對(duì)患者檢查圖像進(jìn)行臨床診斷。第一組是依據(jù)醫(yī)生豐富的臨床經(jīng)驗(yàn)結(jié)合電子皮膚鏡對(duì)采集的圖像進(jìn)行閱讀并給出診斷結(jié)果；第二組是利用皮膚鏡在面向患者采集圖像時(shí)，基于數(shù)據(jù)分類算法的智能痤瘡診斷模型實(shí)時(shí)對(duì)并采集圖像進(jìn)行自主診斷。通過采用相同條件的痤瘡影像數(shù)據(jù)，經(jīng)過兩組實(shí)驗(yàn)驗(yàn)證對(duì)比發(fā)現(xiàn)人工診斷的準(zhǔn)確率(97%)比系統(tǒng)自動(dòng)診斷(96%)要略高一點(diǎn)，但診斷時(shí)間(5.0 min)明顯晚于系統(tǒng)自動(dòng)診斷(1.5 min)。

3 討 論

本研究是在采集2018-2020年陸軍軍醫(yī)大學(xué)第一附屬醫(yī)院皮膚科門診確診尋常型痤瘡病癥患者的高質(zhì)量圖像數(shù)據(jù)基礎(chǔ)上，利用數(shù)據(jù)分類算法、神經(jīng)網(wǎng)絡(luò)模型與SVM分類器等技術(shù)，對(duì)圖像數(shù)據(jù)中的尋常型痤瘡病理區(qū)域自動(dòng)定位、提取、分析和分類各時(shí)期尋常型痤瘡的病理特征[17]，并針對(duì)性建立相關(guān)的各階段影像數(shù)據(jù)樣本庫，在結(jié)合皮膚診斷學(xué)與這些痤瘡特征進(jìn)行精準(zhǔn)匹配，從而建立一種智慧尋常型痤瘡診斷模型，且該模型須具備自主學(xué)習(xí)、不斷完善的能力。該模型建立后用于皮膚科門診患者診治應(yīng)用中，可快速、智能給出精準(zhǔn)的診斷，臨床醫(yī)生根據(jù)診斷進(jìn)而給出最優(yōu)的治療方案。如再將患者的最優(yōu)治療方案與該模型進(jìn)行融合，就可形成一種全新的快速、智能和精準(zhǔn)一體化智慧診療新模式[18]，其勢必會(huì)將尋常型痤瘡的診療向前推移，做到患者足不出戶即可就診的愿景，從而更好地服務(wù)于廣大患者與基層衛(wèi)生單位。