[0001] 本实用新型涉及医疗器械领域，具体涉及一种变应原皮肤点刺风团辅助诊断装置。

[0002] 引起特应质个体发生变态反应性疾病的致敏物质又称为变应原，明确变应原是诊断与治疗变态反应性疾病的首要问题。其中最经典的方法就是应用变应原作刺激物，直接激发患者的症状或者使用避免变应原观察症状缓解情况的方法，也就是皮肤点刺试验，该方法是将少量高度纯化的致敏原液体滴于患者前臂、再用点刺针轻轻刺入皮肤表层。如患者对该过敏原过敏，则会于十五分钟内在点刺部位出现类似蚊虫叮咬的红肿块，出现痒的反应，或者颜色上有改变。

[0003] 变应原点刺液包括：⑴组胺(阳性对照液)；⑵生理盐水(阴性对照液)；⑶屋尘螨；⑷粉尘螨；⑸羽毛；⑹花；⑺海蟹；⑻海鱼；⑼胶乳；⑽香烟；⑾黄鳝；⑿牛奶。传统的变应原特异性皮肤点刺试验结果判读方式采用技术人员通过测量受试人前臂或背部的风团大小得出变应原过敏结果，即阳性结果判断标准以变应原及组胺(阳性对照液)所致风团面积比而定其反应级别，无反应或与阴性对照相同者为(‑)，比值为组胺风团(阳性对照)1/4以上者为(+)，等于或大于阳性对照范围的1/2为(++)，与阳性对照相等的为(+++)，大于阳性对照范围2倍者为(++++)。因此，上述对照需要医生肉眼进行判断，其效率较低。
实用新型内容

[0004] 为解决以上技术问题，本实用新型提供了一种变应原皮肤点刺风团辅助诊断装置，将变应原特异性皮肤点刺试验人工智能诊断系统应用于日常变应原过敏诊断工作，减轻变态反应技术人员的工作负荷。

[0005] 本实用新型采用以下技术方案：

[0006] 一种变应原皮肤点刺风团辅助诊断装置，包括工作台，所述工作台设有连接柱，连接柱上设有显示屏，显示屏电性连接处理器，连接柱表面设有机械臂，所述机械臂包括底座、三关节液压臂，底座连接于连接柱上，所述三关节液压臂一端连接于底座上，另一端设有高清工业相机；所述处理器包括图像采集单元、图像标记单元、图像增强单元、图像分割单元、特征提取单元、图像分类单元

[0007] 作为优选，所述三关节液压臂一端设有连杆驱动机构，连杆驱动机构一端连接有高清工业相机，所述连杆驱动机构包括第一连杆、第二连杆和伸缩驱动件，所述第一连杆铰接在小臂的端头部，所述第二连杆一端与所述第一连杆铰接，所述第二连杆另一端与所述高清工业相机铰接，所述伸缩驱动件一端铰接在所述小臂上，所述伸缩驱动件另一端与所述第一连杆铰接。

[0008] 作为优选，所述三关节液压臂包括大臂、中臂和小臂，所述大臂铰接在所述底座上，所述中臂将所述大臂和所述小臂连接，所述小臂的端头部安装有高清工业相机，所述小臂上设有与所述高清工业相机连接的连杆驱动机构，所述大臂与所述底座通过液压伸缩件连接，所述大臂与所述中臂通过液压伸缩件连接，所述中臂与所述小臂通过液压伸缩件连接。

[0009] 作为优选，所述高清工业相机上设有与处理器电性连接的倾角传感器。

[0010] 作为优选，所述底座与连接柱通过螺栓连接。

[0011] 作为优选，所述底座上设有倾斜的通孔，连接柱上设有配合的螺纹孔。

[0012] 作为优选，所述液压伸缩件为液压缸。

[0013] 与现有技术相比，本实用新型具有以下优点：

[0014] 1、将变应原特异性皮肤点刺试验人工智能诊断系统应用于日常变应原过敏诊断工作，减轻变态反应技术人员的工作负荷。

[0015] 2、通过深度学习，计算机对变应原特异性皮肤点刺试验的皮肤点刺风团标本进行智能测量，根据风团大小情况对变应性疾病进行严重程度分类，为临床医生制定变应性疾病治疗策略提供依据。

[0016] 3、通过机械臂来控制高清工业相机的角度和位置，方便拍摄准确的变应原皮肤点刺风团照片。

[0017] 4、高清工业相机上设有倾角传感器，方便处理器判断当前高清工业相机的倾角。

[0018] 5、底座上设有倾斜的通孔，连接柱上设有配合的螺纹孔，可以提高机械臂的抗拉性能。

[0024] 为了便于理解本实用新型技术方案，以下结合附图与具体实施例进行详细说明。

[0025] 如图1‑4所示，一种变应原皮肤点刺风团辅助诊断装置，包括工作台1，所述工作台1设有连接柱11，连接柱11上设有显示屏12，显示屏12电性连接处理器4，连接柱11表面设有机械臂2，所述机械臂2包括底座21、三关节液压臂22，底座21连接于连接柱11上，所述三关节液压臂22一端连接于底座21上，另一端设有高清工业相机3；

[0026] 所述处理器4包括图像采集单元41、图像标记单元42、图像增强单元43、图像分割单元44、特征提取单元45、图像分类单元46。

[0027] 所述三关节液压臂22一端设有连杆驱动机构221，连杆驱动机构221一端连接有高清工业相机3，所述连杆驱动机构221包括第一连杆2211、第二连杆2212和伸缩驱动件2213，所述第一连杆2211铰接在小臂222的端头部，所述第二连杆2212一端与所述第一连杆2211铰接，所述第二连杆2212另一端与所述高清工业相机3铰接，所述伸缩驱动件2213一端铰接在所述小臂222上，所述伸缩驱动件2213另一端与所述第一连杆2211铰接。

[0028] 所述三关节液压臂22包括大臂223、中臂224和小臂222，所述大臂223铰接在所述底座21上，所述中臂224将所述大臂223和所述小臂222连接，所述小臂222的端头部安装有高清工业相机3，所述小臂222上设有与所述高清工业相机3连接的连杆驱动机构221，所述大臂223与所述底座21通过液压伸缩件225连接，所述大臂223与所述中臂224通过液压伸缩件225连接，所述中臂224与所述小臂222通过液压伸缩件225连接。

[0029] 所述高清工业相机3上设有与处理器4电性连接的倾角传感器31，用于检测当前高清工业相机3的倾角。

[0030] 所述底座21与连接柱11通过螺栓连接。

[0031] 具体的，所述底座21上设有倾斜的通孔226，连接柱11上设有配合的螺纹孔111，再通过螺栓连接，可以提高底座21与连接柱11之间的抗拉性能。

[0032] 所述液压伸缩件225为液压缸。

[0033] 图像采集单元41连接高清工业相机3，用于采集高清工业相机3拍摄的皮肤点刺风团特征图像；

[0034] 图像标记单元42，用于对高清工业相机3拍摄的照片中变应原皮肤点刺风团特征图像进行标注和描述；图像标记单元42中，变应原皮肤点刺风团特征图像的标注和描述需要前期通过自然语言处理以及先验专家知识在实施前完成构建。目标细胞的特征提取对于目标皮肤点刺风团，我们需要选取合适的特征，才能使系统将目标风团与周围非特异性皮肤反应区分开来，从而达到鉴别分团并测量的要求。一般我们认为目标风团的特征提取需要满足以下两点：

[0035] a)该特征只在目标风团内才存在的，并且能够与皮肤表面其他非特异性反应有显著性差异；

[0036] b)系统可以根据这个特征做出高准确率的判断，并得出与人工诊断相同的分类结果。

[0037] 能够实现皮肤点刺风团自动扫描、拍照、识别、分析、评估这一系列完整流程：a.对于1例新的受试者，系统首先要进行前期处理，包括：前臂皮肤自动扫描、拍照，完整读取全部信息；b.输入到深度学习算法中识别目标风团，进行风团大小测量，分析并得出客观结果；c.根据得出的结果，结合临床的分类指标，对皮肤点刺图像进行综合评估，为临床工作提出合理化建议。

[0038] 本实施例中，变应原皮肤点刺风团辅助诊断装置中的处理器4对皮肤点刺风团特征的数据进行采集和标注与描述(包括图片)，其次对皮肤点刺风团图像进行预处理和增强，然后对比传统机器学习的分类算法及深度学习方法的各个模型，选择出对于皮肤点刺风团的人工智能诊断最优方法。本实施例基于同一数据集，采取临床症状特征图片(照片)以及与之对应的描述与标注在不同病症上建模的方式，根据不同的性能指标来对现有皮肤点刺风团和分类方法进行对比的技术，最终得出针对皮肤点刺风团诊断的最优机器学习方法，并得到目标图像的分类输出概率，这样进行多方位、多维度对比，来智能推导皮肤具体疾病，准确率高，最大限度地降低了漏诊和误诊风险，合理分配医疗资源，并减少了不必要的医疗过程。

[0039] 图像增强单元43，用于利用所述皮肤点刺风团特征图像的皮肤镜像图进行形状与色彩空间转换，并利用图像直方图对对比度进行调整，增强所述皮肤点刺风团特征图像的对比度；

[0040] 图像分割单元44，用于采用机器学习分割算法对预处理和增强后的所述皮肤镜像图进行处理，提取出感兴趣特征区域；所述图像分割单元44还用于从多种不同机器学习分割算法对所述皮肤镜像图进行分割后的分割结果中选取最优分割结果。这样可以提高图像分割的准确性，从而进一步提高皮肤病预测的准确性。

[0041] 所述感兴趣特征区域中的特征包括形状特征、颜色特征以及纹理特征。这样可以根据多个维度的图像特征对皮肤病进行识别，降低漏诊的效果好。所述多种不同的机器学习分类模型和深度学习分类模型包括SVM、KNN、逻辑回归、决策树和超限学习机中的至少两种。这样有利于得出针对皮肤点刺风团诊断的最优机器学习方法，采用的机器学习分类模型和深度学习分类模型越多，覆盖面广，有利于发掘适用于皮肤病预测的最优机器学习方法。

[0042] 特征提取单元45，用于提取所述感兴趣特征区域中的特征并转化为可识别向量；

[0043] 图像分类单元46，用于分别采用多种不同的机器学习分类模型和深度学习分类模型在同等条件下对所述可识别向量进行分类，并从多种不同分类结果中选取最优分类结果进行输出。所述图像分类单元46还包括：

[0044] 初始化模块461，用于初始化BSA种群并设定训练参数，定义适应度函数；SVM训练模块462，用于进行SVM训练，得到适应度值，记录最优个体和最优适应度值；迭代寻优模块463，用于根据BSA算法进行迭代寻优，更新最优个体和最优适应度值；参数输出模块464，用于若满足结束条件，则输出SVM的最优化惩罚因子和核参数平方；模型构建模块465，用于根据所述惩罚因子和所述核参数平方建立SVM模型。

[0045] 以上仅是本实用新型的优选实施方式，本实用新型的保护范围以权利要求所限定的范围为准，本领域技术人员在不脱离本实用新型的精神和范围内做出的若干改进和润饰，也应视为本实用新型的保护范围。