[發明專利]一種基于集成學習的黑色素瘤皮膚病圖像分類方法

有效

• 申請號: 201810505419.0
• 申請日: 2018-05-24
• 公開（公告）號: CN108734138B
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 胡海根;孔祥勇;蘇一平;陳勝勇;管秋;肖杰
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于集成學習的黑色素瘤皮膚病圖像分類方法，其特征在于，所述方法包括以下步驟：

步驟1，使用基于隨機掩蓋大小固定的區域的數據增強方式來擴充訓練樣本，過程如下：

1.1依次從訓練集中無放回取圖片img，并獲取它們的寬img_w和高img_h；

1.2初始化掩蓋區域的寬w＝s，高h＝s；

1.3隨機從(0，img_w-s)中初始化掩蓋區域的左上角橫軸坐標x₀，隨機從(0，img_h-s)中初始化掩蓋區域的左上角縱軸坐標y₀，掩蓋區域的右下角坐標為(x₀+s，y₀+s)；

1.4將區域(x₀，y₀，x₀+s，y₀+s)的像素值置為0；

1.5保存增強后的圖片；

步驟2，建立多個卷積神經網絡模型

使用的訓練集包含黑色素瘤皮膚病圖像和非黑色素瘤皮膚病圖像；

2個訓練集的組成分別如下：

訓練集1：原始訓練集和對原始訓練集進行隨機掩蓋得到的增強樣本，其中增強過程中分別設定s＝150，s＝300；

訓練集2：原始訓練集和對原始訓練集進行隨機掩蓋得到的增強樣本，其中增強過程中分別設定s＝150，s＝200，s＝250，s＝300；

使用卷積殘差50層網絡：對輸入圖片使用64個卷積核，卷積核大小為7*7，從而得到第二個條形方塊，然后再進行池化，池化區域大小為3*3，Res1-3代表第1-3個殘差塊，InputX_n-1代表n-1層的輸出,同時也是殘差塊的輸入，殘差塊中1*1conv代表卷積核大小為1*1，Batch Norm代表該層為歸一化層，就是以Batch為單位，將里面的數據統一按照一定的方式縮放到一定的范圍內，ReLU代表該層為激活函數層，該層使用的激活函數為ReLU，其函數表達式如下：

然后F_l(X_n-1)代表經過殘差塊的運算之后輸入到輸出之間的映射，側邊的shortcut連接迫使殘差塊學習到的映射更貼近于輸入，Output X_n代表殘差塊的輸出；

目標函數：模型訓練過程中采用交叉熵損失函數作為目標函數，其形式如下：

p代表訓練過程中模型輸出的概率值，y代表圖片的真實標簽，黑色素瘤的標簽為1，非黑色素瘤的標簽為0；

步驟3，卷積神經網絡模型的集成

假定由訓練集1訓練得到的模型為分類模型1，訓練集2訓練得到的模型為分類模型2，對分類模型1和分類模型2分別使用測試集來測試其效果，然后每個模型會各自給出測試樣本屬于黑色素瘤的概率值p1，p2，集成的時候對于測試樣本屬于黑色素瘤的概率p＝(p1+p2)/2。