[發明專利]一種皮膚病理圖像鏡下所見描述文本的生成方法

在審

• 申請號: 201710149837.6
• 申請日: 2017-03-14
• 公開（公告）號: CN107133439A
• 公開（公告）日: 2017-09-05
• 發明（設計）人: 張鋼;林逸禹;賴華東;林棟
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 廣東廣信君達律師事務所44329
• 代理人: 楊曉松

1.一種皮膚病理圖像鏡下所見描述文本的生成方法，其特征在于：包括以下步驟：

(1)建立病理特性描述；

病理特性分為“是否型”病理特性和“等級型”病理特性，建立病理特性類型和描述性質以及病理特性在鏡下所見文本描述中的邏輯關系；

(2)設計病理特性識別模型；

根據病理特性的類別處理訓練數據集，設計深度神經網絡作為識別模型；

(3)模型訓練；

采用深度神經網絡標準的誤差反向傳播學習算法調整模型的權值；

(4)生成鏡下所見文本。

2.根據權利要求1所述的一種皮膚病理圖像鏡下所見描述文本的生成方法，其特征在于：步驟(2)中所述的深度神經網絡為卷積神經網絡，該卷積神經網絡包括輸入層、卷積層、激活層、全連接層以及輸出層；其中，輸入層接受病理圖像輸入，多個卷積層/激活層組合緊跟輸入層，在最后一個卷積層/激活層組合的輸出上連接多個全連接層和激活層，每個全連接層的維數為最后一個卷積層/激活層組合輸出維數的3倍，每個全連接層之后緊跟一個激活層，輸出層與最后一個全連接層連接，使用Sigmoid函數，每個輸出單元得到一個在區間[0,1]之間的實值輸出值，輸出單元與病理特性一一對應。

3.根據權利要求1所述的一種皮膚病理圖像鏡下所見描述文本的生成方法，其特征在于：所述步驟(4)生成鏡下所見文本包括以下步驟：

1)把待生成鏡下所見描述的皮膚病理圖像輸入到已完成訓練的深度神經網絡模型中；

2)輸入模型后得到一個多維的實值向量，根據每一維所對應的病理特性的性質進行離散化；

3)將每一個離散化后得到的病理特性的文本描述連接成完整的鏡下所見文本描述。

4.根據權利要求3所述的一種皮膚病理圖像鏡下所見描述文本的生成方法，其特征在于：所述離散化，對于“是否型”病理特性時，根據對應的維的輸出值判斷該皮膚病理圖像是否具有該病理特性；對于“等級型”病理特性時，根據對應的維的輸出值判斷該皮膚病理圖像病理特性預測的等級。

5.根據權利要求2所述的一種皮膚病理圖像鏡下所見描述文本的生成方法，其特征在于：激活層的激活函數為Relu：y=max(x，0)，其中x為上一層的輸出，y為本激活層的輸出。

6.根據權利要求2所述的一種皮膚病理圖像鏡下所見描述文本的生成方法，其特征在于：Sigmoid函數為其中x為上一層的輸出，y為Sigmoid的輸出。

7.根據權利要求1所述的一種皮膚病理圖像鏡下所見描述文本的生成方法，其特征在于：所述步驟(3)中模型的權值采用[0,1]之間的隨機數進行初始化并進行多輪訓練，所有訓練樣本輸入到模型中并且完成權值調整為一輪，直到模型的輸出誤差不再下降為止。

8.根據權利要求1所述的一種皮膚病理圖像鏡下所見描述文本的生成方法，其特征在于：所述步驟(2)中處理訓練數據集時，對于“是否型”病理特性，每一幅用于訓練模型的已診斷的皮膚病理圖像設置一個多維的實值向量，其中每一維的數值范圍在[0,1]之間，每一維如下生成：若該圖像具有該維對應的病理特性，則該維的值在區間(0.5,1]之間隨機取值；若該圖像不具有該維對應的病理特性，則該維的值在區間[0,0.5)之間隨機取值；對于“連續型”病理特性，每一幅用于訓練模型的已診斷的皮膚病理圖像，設置一個多維的實值向量，其中每一維的數值范圍在[0,1]之間，每一維如下生成：若該維對應的病理特性有多個等級，則這多個等級對應的數值在[0,1]區間之中均勻分布，其中第1個等級為不具有該病理特性，對應的數值為0，最嚴重的等級對應的數值為1。