本發(fā)明涉及拉曼光譜，尤其涉及一種診斷系統(tǒng)和方法。
背景技術(shù)：
1、病理診斷是醫(yī)學診斷中非常重要的一環(huán)，可以對腫瘤進行詳細的分型和分級，在腫瘤診斷中被視為“金標準”。傳統(tǒng)的病理診斷程序主要包括組織標本的處理；病理切片的觀察；病理醫(yī)生的閱片與診斷；通過組織細胞的形態(tài)結(jié)構(gòu)變化的診斷疾病。存在的局限性和缺點如下：局部切片無法全面代表整個病變情況；診斷過程耗時較長；對技術(shù)人員的專業(yè)水平要求較高。
技術(shù)實現(xiàn)思路
1、本發(fā)明實施例的目的是提供一種診斷系統(tǒng)和方法，能夠解決現(xiàn)有病例診斷方案中存在的上述問題中的至少之一。
2、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：
3、本發(fā)明實施例提供了一種診斷系統(tǒng)，其中，所述系統(tǒng)包括：數(shù)據(jù)采集模塊、圖像處理模塊、特征采集模塊、機器視覺模塊以及輔助診斷模塊；
4、數(shù)據(jù)采集模塊，配置為獲取目標組織的拉曼光譜圖像；
5、圖像處理模塊，配置為對所述拉曼光譜圖像進行預處理，得到預處理后的拉曼光譜圖像；
6、特征采集模塊，配置為提取所述預處理后的拉曼光譜圖像中的光譜特征以及圖像特征；
7、機器視覺模塊，配置為對所述光譜特征的高度特異性進行分析，確定生物樣本的分子振動信息；依據(jù)所述生物樣本的分子振動信息與所述圖像特征，從所述拉曼光譜數(shù)據(jù)中提取出疾病診斷特征；依據(jù)預先構(gòu)建的模型對所述疾病診斷特征進行識別和分類，確定病理狀態(tài)；
8、輔助診斷模塊，配置為結(jié)合臨床信息和所述病理狀態(tài)，輸出結(jié)構(gòu)化診斷報告與和診斷結(jié)果。
9、可選地，所述數(shù)據(jù)采集模塊包括：
10、獲取子模塊，配置為獲取生物樣本的組織切片；
11、放置子模塊，配置為將目標組織放置在樣品池中，并確保樣品的穩(wěn)定性和適當?shù)墓庹諚l件；
12、收集子模塊，配置為使用拉曼光譜儀對所述生物樣本進行掃描，收集所述生物樣本的分子振動光譜及所述生物樣本的化學成分信息；
13、生成子模塊，配置為依據(jù)所述分子振動光譜及所述生物樣本的化學成分信息，生成目標組織的拉曼光譜圖像。
14、可選地，所述圖像處理模塊包括：
15、第一子模塊，配置為對采集所述拉曼光譜圖像進行基線校正及平滑處理；
16、第二子模塊，配置為通過主成分分析法提取平滑處理后的拉曼光譜圖像的特征；
17、第三子模塊，配置為依據(jù)所述拉曼光譜圖像的特征，利用網(wǎng)格測量生成樣品空間分辨的光譜信息；
18、第四子模塊，配置為針對基線校正進行多項式擬合；
19、第五子模塊，配置為使用預設(shè)濾波器降低所述光譜信息的噪聲；
20、第六子模塊，配置為應(yīng)用歸一化法調(diào)整所述光譜信息的強度比例，得到預處理后的拉曼光譜圖像。
21、可選地，所述特征采集模塊具體配置為：
22、依次通過閾值處理、邊緣檢測技術(shù)提取所述預處理后的拉曼光譜圖像中的光譜特征和圖像特征；
23、利用拉曼光譜的高度特異性結(jié)合化學計量學方法獲取分子振動信息。
24、可選地，所述機器視覺模塊具體配置為：
25、使用主成分分析方法對所述光譜特征進行降維處理；
26、應(yīng)用多元曲線分析方法解析降維處理后的所述光譜特征；
27、采用偏最小二乘回歸plsr算法對解析后的所述光譜特征進行定向分析；
28、利用lstm—ae模型對解析后的所述光譜特征進行特征學習和分類模型訓練。
29、可選地，所述輔助診斷模塊中預設(shè)有個性化醫(yī)療建議生成算法；所述個性化醫(yī)療建議生成算法根據(jù)患者的所述病理狀態(tài)、臨床信息和人口統(tǒng)計學特征，為患者生成治療方案和健康管理建議。
30、可選地，所述診斷系統(tǒng)還包括：用戶交互模塊配置為：
31、顯示診斷參數(shù)設(shè)置界面；接收用戶輸入的患者信息、診斷參數(shù)；
32、可視化所述診斷報告、所述診斷結(jié)果、所述治療方案以及所述健康管理建議。
33、可選地，所述機器視覺模塊依據(jù)所述生物樣本的分子振動信息與所述圖像特征，從所述拉曼光譜數(shù)據(jù)中提取出疾病診斷特征時，具體被配置為：
34、將所述生物樣本的分子振動信息與機器視覺技術(shù)結(jié)合，結(jié)合機器學習和深度學習算法，從所述拉曼光譜數(shù)據(jù)中提取出疾病診斷的特征。
35、本發(fā)明實施例提供了一種診斷方法，其中，所述方法包括：
36、獲取目標組織的拉曼光譜圖像；
37、對所述拉曼光譜圖像進行預處理，得到預處理后的拉曼光譜圖像；
38、提取所述預處理后的拉曼光譜圖像中的光譜特征以及圖像特征；
39、對所述光譜特征的高度特異性進行分析，確定生物樣本的分子振動信息；
40、依據(jù)所述生物樣本的分子振動信息與所述圖像特征，從所述拉曼光譜數(shù)據(jù)中提取出疾病診斷特征；
41、依據(jù)預先構(gòu)建的模型對所述疾病診斷特征進行識別和分類，確定病理狀態(tài)；
42、結(jié)合臨床信息和所述病理狀態(tài)，輸出結(jié)構(gòu)化診斷報告與和診斷結(jié)果。
43、本發(fā)明實施例還提供了一種電子設(shè)備，其中，該電子設(shè)備包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；存儲器，用于存放計算機程序；處理器，用于執(zhí)行存儲器上所存放的程序時，實現(xiàn)如上述任一實施例所述的診斷方法。
44、本發(fā)明實施例還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中，該程序被處理器執(zhí)行時實現(xiàn)如上述任一實施例所述的診斷方法。
45、本發(fā)明實施例提供的診斷系統(tǒng)中的數(shù)據(jù)采集模塊，配置為獲取目標組織的拉曼光譜圖像；圖像處理模塊，配置為對拉曼光譜圖像進行預處理，得到預處理后的拉曼光譜圖像；特征采集模塊，配置為提取預處理后的拉曼光譜圖像中的光譜特征以及圖像特征；機器視覺模塊，配置為對光譜特征的高度特異性進行分析，確定生物樣本的分子振動信息；依據(jù)生物樣本的分子振動信息與圖像特征，從拉曼光譜數(shù)據(jù)中提取出疾病診斷特征；依據(jù)預先構(gòu)建的模型對疾病診斷特征進行識別和分類，確定病理狀態(tài)；輔助診斷模塊，配置為結(jié)合臨床信息和病理狀態(tài)，輸出結(jié)構(gòu)化診斷報告與和診斷結(jié)果。通過本發(fā)明實施例提供的診斷系統(tǒng)，能夠快速、全面、準確地進行病理診斷。
1.一種診斷系統(tǒng)，其特征在于，所述系統(tǒng)包括：數(shù)據(jù)采集模塊、圖像處理模塊、特征采集模塊、機器視覺模塊以及輔助診斷模塊；
2.根據(jù)權(quán)利要求1所述的診斷系統(tǒng)，其特征在于，所述數(shù)據(jù)采集模塊包括：
3.根據(jù)權(quán)利要求1所述的診斷系統(tǒng)，其特征在于，所述圖像處理模塊包括：
4.根據(jù)權(quán)利要求1所述的診斷系統(tǒng)，其特征在于，所述特征采集模塊具體配置為：
5.根據(jù)權(quán)利要求1所述的診斷系統(tǒng)，其特征在于，所述機器視覺模塊具體配置為：
6.根據(jù)權(quán)利要求1所述的診斷系統(tǒng)，其特征在于，所述輔助診斷模塊中預設(shè)有個性化醫(yī)療建議生成算法；
7.根據(jù)權(quán)利要求6所述的診斷系統(tǒng)，其特征在于，所述診斷系統(tǒng)還包括：用戶交互模塊配置為：
8.根據(jù)權(quán)利要求1所述的診斷系統(tǒng)，其特征在于，所述機器視覺模塊依據(jù)所述生物樣本的分子振動信息與所述圖像特征，從所述拉曼光譜數(shù)據(jù)中提取出疾病診斷特征時，具體被配置為：
9.一種診斷方法，其特征在于，所述方法包括：
10.一種電子設(shè)備，其特征在于，包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；