基于深度学习的耳道炎辅助诊断与分型系统、方法及介质与流程

本发明涉及计算机辅助医疗与医学图像处理，更具体地说，涉及一种基于深度学习的耳道炎辅助诊断与分型系统、方法及介质。

背景技术：

1、慢性外耳道炎是一种需要长期管理的常见耳科疾病，分为细菌性、真菌性、湿疹性三类典型分型，部分患者需在院外自行涂抹药膏。现有技术中，已出现基于深度学习的耳内镜图像辅助诊断方案，能够对耳道图像自动分析，识别炎症区域并初步区分细菌性、真菌性或湿疹性病变。一些远程医疗系统还允许患者利用手持式可视采耳工具自行拍摄耳道图像，通过网络上传至云端供医生判读，或直接在本地完成炎症类型的初步筛查，从而为居家初筛和随访提供了一定支持。

2、然而，上述现有技术均聚焦于炎症本身的识别与分型，并未解决居家治疗执行环节的核心难题。慢性外耳道炎疗效不佳的重要原因之一，是患者涂药时无法确认药膏是否精确覆盖了所有病灶区域，尤其是耳道弯曲深处及侧壁上的病灶。由于充血红肿的耳道组织与白色半透明药膏在普通白光下颜色高度相近，人眼和常规图像分析均难以准确区分药物覆盖区域与裸露病灶，导致覆盖评估完全缺失。同时，药膏涂入耳道后受体温影响会逐渐融化摊薄，若患者未能在涂抹后立即采集图像进行判断，后续的外观变化将进一步加剧评估的不准确性。鉴于此，我们提出一种基于深度学习的耳道炎辅助诊断与分型系统、方法及介质。

技术实现思路

1、本发明的目的在于克服现有技术的不足，适应现实需要，提供一种基于深度学习的耳道炎辅助诊断与分型系统、方法及介质，以解决当前居家涂药覆盖客观评估的技术问题。

2、为解决上述技术问题，本发明提供如下技术方案：一种基于深度学习的耳道炎辅助诊断与分型方法，包括：

3、基于用药前采集的耳道图像识别炎症病灶并确定病灶位置信息；

4、基于所述病灶位置信息输出用于指导涂药操作的引导信息；

5、控制所述双模式采耳设备在涂药后采集空间对齐的白光图像与特定波长的窄带紫光图像，所述空间对齐通过图像配准算法实现亚像素级对齐；基于所述白光图像，通过预设的双光谱组织背景映射函数，预测得到紫光背景图像，并结合所述窄带紫光图像，反演得到表征药膏覆盖情况的药物等效厚度信息；

6、基于所述药物等效厚度信息对所述炎症病灶的药物覆盖情况进行判定。

7、优选的，反演得到药物等效厚度信息包括：

8、基于所述白光图像通过预设的双光谱组织背景映射函数预测得到紫光背景图像；

9、基于所述紫光背景图像与所述窄带紫光图像，通过预设的药物厚度反演公式计算得到各像素点的药物等效厚度。

10、优选的，所述药物厚度反演公式为：

11、；

12、其中，为药物等效厚度，为经37℃耳道温度修正后的药膏基质对特定波长紫光的吸收系数，为所述窄带紫光图像的光强，为所述紫光背景图像的光强，为避免分母为零的极小正常数。

13、优选的，基于所述药物等效厚度的信息对覆盖情况进行判定包括：

14、将各像素点的药物等效厚度与预设厚度阈值进行比较，所述预设厚度阈值根据药膏基质的理化特性及病灶所需最小有效涂布厚度预设，将等效厚度大于或等于所述阈值的区域判定为药物有效覆盖区域。

15、优选的，基于用药前采集的耳道图像识别炎症病灶并确定病灶位置信息包括：

16、基于用药前采集的耳道视频，通过帧间运动结构恢复算法估算各炎症病灶中心到耳道口的距离，并按照预设的深度区间划分规则生成包含各病灶深度层级信息的病灶深度拓扑图；

17、输出用于指导涂药操作的引导信息是基于所述病灶深度拓扑图输出空间引导信息。

18、优选的，还包括：

19、获取用户通过交互界面确认涂药完成的时刻，并记录为该涂药完成时刻；

20、计算该时刻与涂药后图像采集时刻之间的时间差；

21、基于所述时间差对所述药物等效厚度信息或基于其判定的覆盖区域进行补偿修正。

22、优选的，还包括：

23、将判定后的药物覆盖情况与所述病灶位置信息进行空间配准，并基于配准结果生成针对未被有效覆盖的病灶的补涂纠偏指令。

24、优选的，所述特定波长的窄带紫光为中心波长在400nm至430nm范围内的窄带紫光。

25、一种基于深度学习的耳道炎辅助诊断与分型系统，包括硬件采集端、移动计算端与云端数据平台，所述硬件采集端为双模式采耳设备，用于采集耳道图像；所述移动计算端配置为执行所述的方法；所述云端数据平台用于加密存储评估数据并支持远程模型参数更新与授权查阅。

26、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于深度学习的耳道炎辅助诊断与分型方法。

27、与现有技术相比，本发明的有益效果是：

28、本发明通过设计在采耳棒前端集成白光led与415nm紫光led，在用药后交替采集空间对齐的白光图像与窄带紫光图像，利用耳道组织对白光与紫光反射率存在稳定映射关系的物理特性，从白光图像逐像素预测紫光理论背景值，再基于朗伯-比尔定律的往返程形式对实测窄带紫光图像与预测背景进行逐像素对比，通过药物厚度反演公式定量计算出药膏层的等效几何厚度，从根本上将药膏与红肿组织在白光下的颜色混淆问题转化为可计算的物理厚度差异，使得居家非受控环境下药物覆盖的准确分割和定量评估成为可能。

29、本发明还在药物厚度反演公式定量计算出药膏层的等效几何厚度的基础上，在用药前评估阶段利用视频帧间运动恢复结构原理估算各病灶区域相对于耳道口的深度距离，将病灶划分为浅、中、深等深度层级并标注于病灶深度拓扑图上，据此自动规划从耳道口至各目标病灶的涂药行进路径，通过耳道剖面示意动画、动态方向箭头和合成语音播报相结合的方式，实时向患者输出包含深入深度、旋转方向和停留位置在内的空间操作指令，使患者能够有目的、有方位地将药膏送达原本无法直视的深部病灶位置，避免因深度错位导致的涂药盲区。

30、本发明在耳道剖面示意动画、动态方向箭头和合成语音播报相结合方式的基础上，通过用药完成时记录时间戳，在用药后图像采集时计算时间差，预先针对不同基质类型的耳科常用药膏在模拟耳道温湿度环境下训练时间-外观退化回归模型，习得药膏光泽度、边缘半透明度等外观特征随时间变化的规律，当采集延迟超出容忍时限时自动调用相应退化参数对药物覆盖分割区域的边界进行置信度修正或形态学补偿，使得评估结果更接近涂药瞬间的真实覆盖状态，避免因患者操作延迟而产生的误导性反馈，确保覆盖评估结果在全流程中的稳定性和可信度。

1.一种基于深度学习的耳道炎辅助诊断与分型方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的耳道炎辅助诊断与分型方法，其特征在于，反演得到药物等效厚度信息包括：

3.根据权利要求2所述的基于深度学习的耳道炎辅助诊断与分型方法，其特征在于，所述药物厚度反演公式为：

4.根据权利要求3所述的基于深度学习的耳道炎辅助诊断与分型方法，其特征在于，基于所述药物等效厚度的信息对覆盖情况进行判定包括：

5.根据权利要求1所述的基于深度学习的耳道炎辅助诊断与分型方法，其特征在于，基于用药前采集的耳道图像识别炎症病灶并确定病灶位置信息包括：

6.根据权利要求1所述的基于深度学习的耳道炎辅助诊断与分型方法，其特征在于，还包括：

7.根据权利要求1或5所述的基于深度学习的耳道炎辅助诊断与分型方法，其特征在于，还包括：

8.根据权利要求1所述的基于深度学习的耳道炎辅助诊断与分型方法，其特征在于，所述特定波长的窄带紫光为中心波长在400nm至430nm范围内的窄带紫光。

9.一种基于深度学习的耳道炎辅助诊断与分型系统，其特征在于，包括硬件采集端、移动计算端与云端数据平台，所述硬件采集端为双模式采耳设备，用于采集耳道图像；

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的方法。