[發(fā)明專(zhuān)利]基于深度學(xué)習(xí)的皮膚癌識(shí)別系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710620444.9
• 申請(qǐng)日: 2017-07-26
• 公開(kāi)（公告）號(hào): CN107480769A
• 公開(kāi)（公告）日: 2017-12-15
• 發(fā)明（設(shè)計(jì)）人: 彭逢安;鄺洋輝;李鑫
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣州慧揚(yáng)健康科技有限公司
• 主分類(lèi)號(hào): G06N3/04
• 分類(lèi)號(hào): G06N3/04;G06K9/62
• 代理公司: 深圳市合道英聯(lián)專(zhuān)利事務(wù)所(普通合伙)44309
• 代理人: 廉紅果

1.一種基于深度學(xué)習(xí)的皮膚癌識(shí)別系統(tǒng)，其特征在于：包括圖像輸入模塊、CNN卷積神經(jīng)網(wǎng)絡(luò)模塊以及推斷模塊，所述圖像輸入模塊與CNN卷積神經(jīng)網(wǎng)絡(luò)模塊連接，所述CNN卷積神經(jīng)網(wǎng)絡(luò)模塊與推斷模塊連接，其中，

所述圖像輸入模塊：用于根據(jù)代碼映射關(guān)系，讀取DICOM圖像文件的文件頭中的各項(xiàng)基本信息，注冊(cè)于識(shí)別記錄表中；完成圖像注冊(cè)后，圖像輸入模塊從DICOM圖像文件中讀取出其中的像素點(diǎn)，轉(zhuǎn)換至皮膚癌識(shí)別系統(tǒng)內(nèi)置的矩陣存儲(chǔ)器中，轉(zhuǎn)換為矩陣，便于下一步CNN卷積網(wǎng)絡(luò)模塊對(duì)該矩陣的特征提取；

所述CNN卷積神經(jīng)網(wǎng)絡(luò)模塊：包括四個(gè)卷積層，三個(gè)max pooling層，一個(gè)全連接層以及最底層的輸入層，輸入層輸入所述矩陣，經(jīng)過(guò)四個(gè)卷積層和三個(gè)max pooling層卷積處理后，抓取到用來(lái)識(shí)別圖像的特征之后對(duì)圖像進(jìn)行分類(lèi)，全連接層將max pooling層的輸出轉(zhuǎn)換為一個(gè)一維向量，并且用激活函數(shù)stochastic求出輸入的圖像屬于某一種疾病的概率；

所述推斷模塊：用于將CNN卷積神經(jīng)網(wǎng)絡(luò)模塊得出的概率轉(zhuǎn)化為具體的診斷。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮膚癌識(shí)別系統(tǒng)，其特征在于：所述卷積層卷積時(shí)，在矩陣邊緣加上一個(gè)邊緣層，幫助控制卷積輸出的特征圖的尺寸大小。

3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的皮膚癌識(shí)別系統(tǒng)，其特征在于：所述Max pooling層用于舍棄掉圖片不重疊地分隔的多個(gè)大小相同的小塊中的不必要的結(jié)點(diǎn)，減少不必要的參數(shù)。