申请/专利权人：国药(武汉)精准医疗科技有限公司;国药集团基因科技有限公司

申请日：2023-07-13

公开（公告）日：2024-04-19

公开（公告）号：CN116894820B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/26;G06V10/40;G06V10/80;G06V10/82;G06V10/774;G06V10/762;G06N3/045;G06N3/0464;G06N3/0455;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2023.11.03#实质审查的生效;2023.10.17#公开

摘要：本申请涉及一种色素性皮肤病分类检测方法、装置、设备以及存储介质。所述方法包括：采用不同的图像增强方法分别对各个类别的原始样本图像进行数据增强处理；采用图像分割网络对所述数据增强处理后的原始样本图像进行特征图提取，并对提取的特征图进行加权，得到分割图像，并依据分割图像与原始样本图像得到病变区域图像；采用基于DenseNet和Xception网络架构并融合了注意力机制的分类模型分别输出对所述病变区域图像和原始样本图像的特征向量，并利用特征融合模块将所述病变区域图像和原始样本图像的特征向量进行融合，得到原始样本图像的分类结果。本申请实施例提升了分类模型对皮肤病病变的识别能力。

主权项：1.一种色素性皮肤病分类检测方法，其特征在于，包括：收集N个皮肤病类别的原始样本图像，并按照设定比例将所述原始样本图像划分为训练集、验证集和测试集，采用不同的图像增强方法分别对训练集中各个类别的原始样本图像进行数据增强处理，获得样本量均衡的训练集原始样本图像；采用图像分割网络的Xception编码器对数据增强处理后的训练集原始样本图像进行特征图提取，采用图像分割网络的类UNET的解码器结构，通过反卷积和跳跃连接对Xception编码器输出的特征图进行解码，得到分割图像；其中，通过注意力机制对所述特征图上每个数据点的高度、宽度和通道进行编码；依据所述分割图像与所述数据增强处理后的训练集原始样本图像得到病变区域图像，并采用k-means聚类算法对所有病变区域图像的高度和宽度进行聚类，所述k-means聚类算法将每幅病变区域图像视为一个数据点，并找到各个数据点之间的相似性，将较为相似的数据点分成一组，得到最优高度和宽度的病变区域图像；采用基于DenseNet和Xception网络架构并融合了注意力机制的分类模型分别对聚类后的病变区域图像和所述数据增强处理后的训练集原始样本图像进行分类，所述分类模型首先移除了DenseNet和Xception网络架构的顶层，并使用预训练权重加载网络模型，然后利用注意力机制分别对所述聚类后的病变区域图像和所述数据增强处理后的训练集原始样本图像上每个数据点的高度、宽度和通道进行编码，并分别通过所述DenseNet和Xception网络输出所述聚类后的病变区域图像和所述数据增强处理后的训练集原始样本图像的特征向量，并利用特征融合模块将所述聚类后的病变区域图像和所述数据增强处理后的训练集原始样本图像的特征向量进行融合，得到训练集原始样本图像的分类结果，包括三个分类分支的输出结果：分支A—基于病变区域图像的分类结果、分支B—基于原始样本图像的分类结果以及分支C—将病变区域图像和原始样本图像进行融合后的分类结果，并通过计算三个分支的分类结果与各自对应的真实标签的交叉熵损失、得到每个分支的损失值，根据三个分支的损失值得到分类模型的损失值；在测试过程中，仅使用分支C的输出结果作为最终预测结果。

全文数据：

权利要求：

百度查询： 国药(武汉)精准医疗科技有限公司;国药集团基因科技有限公司 一种色素性皮肤病分类检测方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD