本发明属于医疗器械技术领域，涉及一种用于皮肤病诊断的光谱检测系统和分类器模型构建方法。
背景技术：
目前临床中对皮肤疾病以及黑色素瘤的早期筛查中，皮肤疾病的诊断主要依赖于皮肤镜观察或组织病理学的切片。其中，皮肤镜观察是一种被广泛使用的技术，临床医生通过皮肤镜这种无创性显微技术来观察皮肤表面的细微结构、颜色变化以及色素网结构而作出诊断，不同医师得到的诊断结果可能会不同，可靠性相对较低。基于组织病理学切片的诊断技术，其诊断结果较肉眼或皮肤镜观察更可靠，但是该技术是一种有创伤性的筛查方法，难以实现在线快速诊断，而且盲目实施会增加病人的痛苦，并且会给病人的外在美带来一定的负面影响。
技术实现要素：
基于上述背景，为了解决现有皮肤疾病诊断技术存在的问题，本发明提供了一种非创伤性、可在线快速诊断的用于皮肤病诊断的光谱检测系统和分类器模型构建方法，可获取被诊断皮肤组织的一维光谱信息和两维空间图像信息，利用获取的光谱信息实现对病变组织的快速识别与分类，利用图像信息进行病变组织的准确定位，为皮肤疾病尤其是皮肤黑色素瘤的诊断提供了一种全新的技术途径。
本发明的技术方案是：
用于皮肤病诊断的光谱检测系统，包括计算机主机和控制器；其特殊之处在于：还包括直线运动装置、光谱成像仪、照明系统和支架；
控制器与直线运动装置、光谱成像仪以及计算机主机均相连；
直线运动装置安装在支架上部，支架下部有足够放置病人待诊断部位的空间；
光谱成像仪固定安装在直线运动装置上；
照明系统用于对病人待诊断部位进行均匀照明；
计算机主机上安装有用于对皮肤疾病诊断的分类器模型，所述分类器模型是按照下述步骤构建的：
步骤1、采集正常皮肤组织与病变皮肤组织的光谱图像；
步骤2、对步骤1采集的光谱图像进行预处理，以消除图像噪声及基线漂移的影响；
步骤3、对预处理后的光谱图像进行标准化处理，包括裁剪图像大小、去除图像噪声处理；
步骤4、将标准化处理后的光谱图像作为原始皮肤数据，并划分为训练集和测试集；
步骤5：构建分类模型；
5.1对标准化处理后的所有样本数据进行二阶导数处理，获取所述原始皮肤数据的一维光谱特征；
5.2将训练集输入三维卷积神经网络，提取皮肤组织的光谱-图像特征；
5.3将三维卷积神经网络学习到的特征与步骤5.1得到的一维光谱特征进行特征融合，完成整个分类模型的构建；
上述步骤5.1和5.2可并行进行；
步骤6、将测试集中的样本输入步骤5构建好的分类器模型，得到皮肤疾病的分类结果并保存。
进一步地，上述光谱检测系统还包括位于直线运动装置下方并与其相对设置的载物台。
进一步地，上述光谱检测系统还包括与计算机主机相连的显示器。
进一步地，所述光谱成像仪包括依次设置的前置成像光学系统、准直成像系统、光谱分光模块、成像光学系统、面阵探测器、数据采集与处理系统。
进一步地，所述光谱分光模块采用棱镜色散型光谱仪、光栅色散型光谱仪或者棱镜光栅型光谱仪。
进一步地，所述照明系统通过连接件固定在所述光谱成像仪上。
用于皮肤病诊断的分类器模型构建方法，包括以下步骤：
步骤1、采集正常皮肤组织与病变皮肤组织的光谱图像；
步骤2、对步骤1采集的光谱图像进行预处理，以消除图像噪声及基线漂移的影响；
步骤3、对预处理后的光谱图像进行标准化处理，包括裁剪图像大小、去除图像噪声处理；
步骤4、将标准化处理后的光谱图像作为原始皮肤数据，并划分为训练集和测试集；
步骤5：构建分类模型；
5.1对标准化处理后的所有样本数据进行二阶导数处理，获取所述原始皮肤数据的一维光谱特征；
5.2将训练集输入三维卷积神经网络，提取皮肤组织的光谱-图像特征；
5.3将三维卷积神经网络学习到的特征与步骤5.1得到的一维光谱特征进行特征融合，完成整个分类模型的构建；
上述步骤5.1和5.2可并行进行；
步骤6、将测试集中的样本输入步骤5构建好的分类器模型，得到皮肤疾病的分类结果并保存。
本发明具有如下有益效果：
考虑到正常组织与病变组织在光谱信息上具有较强的差异性，因而本发明通过采集皮肤病变区域图像(非接触成像手段)，基于组织光谱特征进行病变识别，对成像数据进行数据处理即可得出识别结果，能够快速定位病变组织与病变位置，同时避免了人为识别造成的偏差。
由于本发明采用非接触成像手段，因而具有无创的技术优势；基于本发明构建的分类器模型能够实现快速在线诊断，可应用于皮肤疾病以及皮肤瘤的早期诊断与筛查。
将本发明应用医生临床诊断，不仅能实现常见皮肤疾病的诊断，还能实现对皮肤恶性黑色素瘤的早期诊断，并且可实现对非恶性发育不良痣与皮肤恶性黑色素瘤的快速区分。
附图说明
图1是本发明实施例光谱检测系统的结构示意图；
图2是本发明实施例中光谱成像仪的原理框图；
图3是本发明分类器模型的构建和工作流程图；
附图标记说明：1-显示器，2-计算机主机，3-控制器，4-直线运动装置，5-光谱成像仪，6-照明系统，7-支架，8-载物台。
具体实施方式
以下结合附图对本发明作进一步说明。
参见图1，本实施例用于皮肤病诊断的光谱检测系统，包括计算机主机2、显示器1、控制器3、直线运动装置4、光谱成像仪5、照明系统6、支架7、载物台8。
控制器3与直线运动装置4、光谱成像仪5以及计算机主机2均相连；计算机主机2与显示器1相连；直线运动装置4水平安装在支架7上部；光谱成像仪5固定安装在直线运动装置4上，与载物台8相对设置；载物台8用于放置病人待诊断部位；照明系统6通过连接件与光谱成像仪5连接，用于对病人待诊断部位进行均匀照明；显示器1用于显示采集的皮肤病变图像。
光谱成像仪5由依次设置的前置成像光学系统、准直成像系统、光谱分光模块、成像光学系统、面阵探测器、数据采集与处理系统组成，如图2所示；通过调节前置成像光学系统，并采用自动调焦算法可使光谱成像仪成像最清晰；光谱分光模块可以采用棱镜色散型光谱仪、光栅(光栅可以是透射光栅，也可以是反射式光栅，其中反射式光栅可用凸面光栅或凹面光栅)色散型光谱仪或者棱镜光栅型光谱仪。
控制器3用于驱动直线运动装置4做直线运动，从而带动光谱成像仪5做直线运动，实现对病人待诊断部位的扫描成像；控制器3将采集的成像数据存储于计算机主机2，再通过安装在计算机主机2上的分类器模型实现对病变组织的定位(即对采集图像中病变位置的识别)与分类，从而实现对皮肤疾病的快速准确诊断。分类器模型的构建流程步骤如图3所示，具体如下：
步骤1、采集正常皮肤组织与病变皮肤组织的光谱图像；
步骤2、对步骤1采集的光谱图像进行预处理，主要目的是消除图像噪声及基线漂移的影响；
步骤3、对预处理后的光谱图像进行标准化处理，包括裁剪图像大小、去除图像噪声等；
步骤4、将标准化处理后光谱图像作为原始皮肤数据，并按照一定比例划分为训练集与测试集；
步骤5、构建分类模型；
5.1对所有标准化处理后的样本数据(包括训练集和测试集的样本)进行二阶导数处理，获取原始皮肤数据的一维光谱特征；
5.2选择三维卷积神经网络(3d-cnn)的卷积层数、卷积核尺寸、全连层个数，设计3d-cnn，将训练集输入3d-cnn，提取皮肤组织的光谱-图像特征；
5.3将3d-cnn学习到的特征与步骤5.1得到的一维光谱特征进行特征融合，从而完成整个分类模型的构建；所构建的分类模型充分利用了皮肤组织光谱数据与图像数据的联合特征；
上述步骤5.1和5.2可并行进行。
步骤6：将测试集中的样本输入已构建好的分类器模型，得到皮肤疾病的分类结果，该分类结果具体包括病变皮肤组织和正常皮肤组织两类。
这里需要说明的是，本发明前期收集样本时需从医院获取大量样本数据，待分类器构建完成后，使用时直接采集病人病变部位皮肤图像数据输入分类器模型，与分类器模型中存储的分类结果对比，即可快速识别和定位病变组织。