一种舌部图像医疗信息处理方法和系统
本发明属于智能健康管理，尤其涉及一种舌部图像医疗信息处理方法和系统。
背景技术：
1、随着现代社会节奏的加快和生活压力的增加，健康问题日益受到关注，智能技术的发展为健康管理带来了新的机遇。目前社会医疗资源紧缺，传统的由医生与患者进行问诊及视诊的过程中，需要医生与患者进行多次沟通交互，以获取患者的年龄、性别等个人基本信息，以及患者感受最为明显的疾病表现的病症描述后给予相应的拟诊建议，但是这种方式局限于医生及患者共同出现的就诊时空，严重依赖医生个人医学判断能力，患者语言表达能力和记忆能力，缺乏人体体征图像信息客观、精细比较，精准度不高，效率低下。
2、随着医学影像智能化诊断的快速发展，为了满足愈加复杂的医学图像分析和处理要求，人工智能方法成为近年来医学图像处理技术发展的一个研究热点。利用机器学习、深度学习和神经网络算法等人工智能的手段，对图像进行分类和识别是工业界以及学术界较为普遍的分析方法。而使用人工智能技术进行辅助医疗诊断的方法也越来越多样化。例如，在医学影像领域，越来越多的ai辅助诊断系统通过影像分割、识别等技术，可以自动进行针对目标主体的分类。
3、此外，以人工智能和大数据为代表的计算机先进技术已广泛应用于健康常规检查领域；尤其以深度学习为代表的机器学习技术在医疗影像领域被广泛关注。例如：针对无法进行肉眼识别的诊断口腔，牙齿，眼睛等存在的疾病问题。又例如，在眼底图像检测方面，深度学习技术可以较为准确的检测出眼底图像某一特征，如利用大量黄斑裂孔这一特征的样本对深度学习模型进行训练，利用训练后的模型对眼底图像进行黄斑裂孔检测。而在结合大数据技术后，通过对身体部位的深度分析能够获知更多的关于身体健康方面的建议信息和诊断信息；例如：视网膜进行扫描后得到的身体建议信息已经非常准确了。基于此，可见对用户感兴趣区域进行图像采集和智能分析，从而获取有效的健康辅助信息，通过对图像信息进行深度分析以及时间延续的连续分析来获取有效信息的相关研究已经成为当前的热点，而患者在非就诊时空采集并提供的可以用于医疗辅助的图像信息是人工智能和大数据辅助下提高就诊效率和拟诊精度的基础。
4、而进一步的，如何将针对用户图像分析的医疗信息处理家用化，适应不同用户的配合程度，在降低信息采集难度的基础上，采集足够的用于支撑后续的智能图像分析，是待解决的技术问题。基于上述问题，本发明针对家用情况下采集场景复杂的情况，通过采集参数分类方便在不同的家用采集场景下，动态的确定活动采集参数，从而灵活地降低用户图像信息的采集难度。
技术实现思路
1、为了解决现有技术中的上述问题，本发明提出了一种舌部图像医疗信息处理方法和系统，所述方法包含：
2、步骤s1：将各个采集参数设置于不同变化值时获取对应于所述不同变化值的不同舌部图像，分析所获取不同舌部图像的一致性情况，将采集参数分为活动采集参数和非活动采集参数；其中：活动采集参数在后续的采集过程中保持变化，而非活动采集参数在后续的采集过程中保持不变；
3、所述步骤s1具体包括如下步骤：
4、步骤s11：依次获取一个未处理的采集参数作为当前采集参数；
5、步骤s12：将非所述当前采集参数均设置为默认值，并使得所述当前采集参数在其参数范围内进行变化，对应多个当前采集参数的变化值；
6、步骤s13：在当前采集参数为不同变化值时获取不同舌部图像；基于所述不同舌部图像确定对应于所述不同舌部图像的不同熵值；将和当前采集参数的不同变化值对应的熵值按照顺序排列就构成了和所述当前采集参数k对应的熵值序列；判断是否所有采集参数均处理完毕，如果是，则进入下一步骤，否则，返回步骤s11；
7、步骤s14：基于各个采集参数k对应熵值序列元素值相邻变化情况的序列间比较，确定采集参数的频率一致性；所述步骤s14具体包括如下步骤：
8、步骤s141：依次获取对应每个采集参数k的熵值序列；其中，u是熵值序列中的元素编号；u是熵值序列中元素个数；
9、步骤s142：计算相邻元素差序列，；设置；其中：是熵值序列的元素均值；
10、步骤s142：分别计算任意两个相邻元素差序列之间无序距离；其中：无序距离是指两个序列进行比较时不考虑元素在序列中的位置，而仅考虑元素值的大小排序而对其元素值进行比较；具体为：采用下式（1）计算无序距离；其中：和是任意两个采集参数对应的相邻元素差序列；是元素在相邻元素差序列中元素值的大小排序位置；(1)；
11、步骤s143：分别确定每个采集参数k的无序距离均值；具体为：采用下式（2）计算采集参数k的无序距离均值；其中：k是采集参数的个数；
12、(2)；
13、步骤s15：基于各个采集参数k对应熵值序列中元素值变化情况的序列间比较，确定采集参数的幅值一致性，并进而对采集参数进行变化分类；所述步骤s15具体包括如下步骤：
14、步骤s151：依次获取对应每个采集参数k的熵值序列；其中，u是熵值序列中的元素编号；u是熵值序列中元素个数；
15、步骤s152：计算均值差序列；其中：是熵值序列中的元素均值；
16、步骤s153：归一化均值差序列，设置；
17、步骤s154：判断是否所有熵值序列均处理完毕，如果是，则返回步骤s151，否则进入下一步骤；
18、步骤s155：分别计算任意两个均值差序列之间的有序距离；其中：有序距离是指两个序列进行比较时考虑元素在序列中位置的同时对其元素值进行比较；具体为：采用下式（3）计算有序距离；其中：和是任意两个采集参数对应的均值差序列；是元素在均值差序列中的位置；
19、(3)；
20、步骤s155：计算有序距离的有序距离均值；具体的，采用下式（4）计算有序距离均值；
21、(4)；
22、步骤s155：当采集参数k对应的均值差序列和其他均值差序列之间的有序距离大于有序距离均值的比例超过预设比例时，将其放入第一分类中；反之，将其放入第二分类中；变化分类包括第一分类和第二分类；
23、步骤s16：根据熵值序列的幅值一致性和频率一致性确定活动采集参数和非活动采集参数；具体为：根据无序距离均值从第一分类和第二分类中区分出活动采集参数和非活动采集参数；
24、步骤s2：在活动采集参数变化而其他采集参数保持不变的情况下，采集用户的舌部图像信息；将舌部图像信息输入智能分析模型中以得到舌部图像分析结果。
25、进一步的，所述熵值是舌部图像整体或局部的特征值。
26、进一步的，舌部图像整体或局部的特征值包括舌部图像灰度、亮度均值、特定位置灰像素值和/或梯度变化值中的一个或其组合。
27、进一步的，所述预设比例为50~100%。
28、进一步的，所述活动采集参数是2个。
29、一种舌部图像医疗信息处理系统，包括：智能分析服务器和移动终端；所述智能分析服务器用于实现上述的舌部图像医疗信息处理方法。
30、进一步的，所述服务器为人工智能分析服务器。
31、一种舌部图像医疗信息处理平台，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现所述的舌部图像医疗信息处理方法。
32、一种计算机可读存储介质，包括程序，当其在计算机上运行时，使得计算机执行所述的舌部图像医疗信息处理方法。
33、一种智能分析服务器，所述智能分析服务器被配置为执行所述的舌部图像医疗信息处理方法。
34、本发明的有益效果包括：
35、（1）针对家用情况下采集场景复杂的情况，设置采集参数分类过程，将各个采集参数设置于不同变化值时获取对应于所述不同变化值的不同舌部图像，分析所获取不同舌部图像的一致性情况根据熵值序列的幅值一致性和频率一致性确定活动采集参数和非活动采集参数，方便在不同的家用采集场景下，动态的确定活动采集参数，从而灵活地降低用户图像信息的采集难度；
36、进一步的，通过无序距离和有序距离的配合，通过量化计算发现可能存在的不同步频率变化和同步情况下的幅度变化，减少所以采集图像信息的损失；
37、（2）对不同变化值的舌部图像进行多分析模式分析，并进行基于平台可信度和大数据准确度的分析结果综合，从而为用户带来有效信息；
38、（3）收集连续的不同采集时刻的舌部图像分析结果和舌部图像信息，分析得到符合用户采集习惯的最佳的活动采集参数的变化值组合；该变化值组合是个性化变化值组合， 能够进一步降低信息采集难度的基础。
相关知识
智慧医疗系统：推动医疗信息化发展
一种健康监测系统及方法与流程
建立医共体信息系统，发展“互联网+医疗健康”服务
健康报：抗菌药物管理应全面融入信息系统
2019年医疗行业信息化解决方案.ppt
学生健康体检信息管理系统
人体数据中心中医系统数据 （一）
ISO27799 医疗健康信息安全管理体系
人工智能AI临床信息化系统：医疗健康的未来守护神
电子病历信息系统 ppt课件
网址: 一种舌部图像医疗信息处理方法和系统 https://m.trfsz.com/newsview681470.html
