一种特应性皮炎的辅助诊疗系统

本发明属于医学应用领域，具体涉及一种特应性皮炎的辅助诊疗系统。

背景技术：

1、特应性皮炎(atopic dermatitis,ad)是一种以反复发作的皮疹和瘙痒为特点的慢性炎症性皮肤病，严重影响患者的生活质量。2019年中国特应性皮炎的患病人数约6,150万人，预计2024年和2030年将分别达到6,390万人和6,590万人，给家庭和社会带来沉重的经济负担。《特应性皮炎达标治疗——成人中重度ad系统治疗核心决策框架国际共识》中提出，ad的治疗目标应采用多维度病情评估工具进行分解和量化，强调基于定期随访评估对治疗方案进行动态调整。达标治疗的理念(treat to target,t2t)用于ad诊治和随访的核心是如何最大化整合和利用现有资源，安全有效地帮助患者实现对疾病的持久控制，细化随访评估，在不同时间节点应用不同的评估观察指标及工具，并强调患者评估与医生评估相结合，提高患者的依从性，也为临床医生提供重要的临床决策依据。中国ad患者数量多，受教育程度不同且缺乏专业知识，导致患者自行评估非常困难。受制于有限的接触时间，临床医师常常难以满足患者的心理和社会需求。因此，加强患者对ad治疗的参与度，促进患者按照规定时间就诊，医患之间更有效的沟通，精细化的评估与随访，是ad诊治实现t2t面临的关键问题。

2、我国对ad的管理方式单一，常为面诊、电话随访、指导手册等，很难达到t2t的目标。要实现ad患者的t2t管理目标，需构建一个方便、可及、经济的ad诊疗管理新系统。

技术实现思路

1、为实现上述目的，本发明提供了一种特应性皮炎的辅助诊疗系统，它包括：用户层、业务层、能力层和基础设施层；

2、所述用户层包括web端、移动app、pc客户端或小程序，用于给用户提供交互界面；

3、所述业务层包括上传模块、显示模块和操作模块；

4、所述上传模块支持用户从所用设备上上传医疗数据到服务器；显示模块用于直观展示医疗信息；操作模块用于给用户输入交互指令；

5、所述能力层包括ai智能模块；所述ai智能模块包括深度学习算法处理单元、通信处理单元；

6、深度学习算法处理单元用于对患者用户上传到服务器的皮疹照片和自评分进行分析处理；

7、通信处理单元用于将分析处理结果传输到用户层，在网页或app上渲染展示给用户；

8、所述基础设施层包括服务器硬件、服务器操作系统和数据库，基础设施层用于为能力层的运行提供计算和存储资源。

9、进一步地，所述用户是患者时，用户层让患者用户通过网页浏览器、移动app、pc软件或小程序上传皮疹照片，完成自评分，参看ai病情评估和医嘱。

10、进一步地，所述用户是医护时，用户层让医护用户通过网页浏览器、移动app、pc软件或小程序参看和/或处理患者的病情数据，给出医嘱；所述病情数据包括皮疹照片、自评分和ai病情评估。

11、进一步地，所述上传模块支持患者用户从所用设备上上传皮疹照片和自评分并通过网络传输到服务器；支持医护用户从所用设备上上传医嘱并通过网络传输到服务器；所用网络可以是有线网络或无线网络。

12、进一步地，所述显示模块用于直观展示患者用户上传的皮疹照片和自评分；医护用户上传的医嘱。

13、进一步地，所述交互指令是语音指令或文本指令。

14、进一步地，所述ai智能模块通过深度学习算法将患者用户上传到服务器的皮疹照片和自评分进行分析处理。

15、进一步地，所述深度学习算法处理单元的处理步骤包括：

16、数据预处理：对皮疹照片进行格式转换、尺寸归一化、亮度和对比度调整、去噪及标准化处理；对于自评分数据，进行结构化提取并按照预设格式存储；

17、对皮疹图像进行特征提取与分割：采用基于u-net或其改进变体的分割网络，通过编码器-解码器结构，对皮疹图像中的病灶区域进行精准分割，得到病灶区域图，以及病灶的二值或多类掩膜；

18、病情评估：①将分割得到的病灶区域图与自评分结合，利用卷积神经网络或其他分类/回归模型对病灶严重程度或愈合趋势进行评估；

19、②将病灶严重程度或愈合趋势评估结果、病灶的二值或多类掩膜，与患者在系统中存储的既往医疗数据一并输入图像级回归/分类网络中，使用编码器，经过globalaverage pooling(gap)+mlp头，输出皮疹严重度分和皮疹等级。

20、更进一步地，所述处理步骤还包括通过旋转、翻转、随机裁剪、光照变化和/或生成对抗网络，对皮疹图像进行数据增强，提高模型的泛化能力；

21、所述u-net的改进变体包括u-net++、unext；

22、所述编码器-解码器中的编码器为经在imagenet数据集上预训练得到的权重初始化的resnet-50编码器，解码器为反卷积/上采样解码器；

23、所述精准分割后，在分割网络中引入残差网络或注意力机制模块，以增强对多尺度病灶特征的捕捉能力，减少背景干扰；

24、所述病情评估的编码器为经在imagenet数据集上预训练得到的权重初始化的resnet-50编码器。

25、更进一步地，所述自评分包括easi、poem、pp-nrs和/或dlqi。

26、本发明有益效果为：

27、本发明一种特应性皮炎的辅助诊疗系统，是结合临床皮肤病学、计算机科学、心理学、信息学等学科理论构建而成。该系统通过在app/小程序中使用特定算法构建的ai智能模块帮助实现ad达标治疗，提高患者的生活质量及治疗满意度，从而提高ad的整体诊疗水平。

28、显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。

29、以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。

1.一种特应性皮炎的辅助诊疗系统，其特征在于，它包括：用户层、业务层、能力层和基础设施层；

2.根据权利要求1所述辅助诊疗系统，其特征在于：所述用户是患者时，用户层让患者用户通过网页浏览器、移动app、pc软件或小程序上传皮疹照片，完成自评分，参看ai病情评估和医嘱。

3.根据权利要求1所述辅助诊疗系统，其特征在于：所述用户是医护时，用户层让医护用户通过网页浏览器、移动app、pc软件或小程序参看和/或处理患者的病情数据，给出医嘱；所述病情数据包括皮疹照片、自评分和ai病情评估。

4.根据权利要求1所述辅助诊疗系统，其特征在于：所述上传模块支持患者用户从所用设备上上传皮疹照片和自评分并通过网络传输到服务器；支持医护用户从所用设备上上传医嘱并通过网络传输到服务器；所用网络可以是有线网络或无线网络。

5.根据权利要求1所述辅助诊疗系统，其特征在于：所述显示模块用于直观展示患者用户上传的皮疹照片和自评分；医护用户上传的医嘱。

6.根据权利要求1所述辅助诊疗系统，其特征在于：所述交互指令是语音指令或文本指令。

7.根据权利要求1所述辅助诊疗系统，其特征在于：所述ai智能模块通过深度学习算法将患者用户上传到服务器的皮疹照片和自评分进行分析处理。

8.根据权利要求1所述辅助诊疗系统，其特征在于：所述深度学习算法处理单元的处理步骤包括：

9.根据权利要求8所述的辅助诊疗系统，其特征在于：所述处理步骤还包括通过旋转、翻转、随机裁剪、光照变化和/或生成对抗网络，对皮疹图像进行数据增强，提高模型的泛化能力；

10.根据权利要求1～5、7～9所述辅助诊疗系统，其特征在于：所述自评分包括easi、poem、pp-nrs和/或dlqi。