[發明專利]基于視覺漸近式空洞網絡的皮膚病自學習輔助判定系統

在審

• 申請號: 202011241527.5
• 申請日: 2020-11-09
• 公開（公告）號: CN112233776A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 潘輝;程偉;鄭威
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06T7/00;G06N3/04
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 杭行

本發明屬于智能醫療和人工智能領域，具體涉及一種基于視覺漸近式空洞網絡的皮膚病自學習輔助判定系統，包括個人終端設備、前端顯示模塊、后端處理模塊。用戶通過個人終端設備將疑似皮膚病的區域拍照，通過前端顯示模塊將所獲取的照片上傳至后端處理模塊，后期用于模型的自學習，將獲得許可的數據存入數據庫并發送至服務器，然后對所接收到的數據進行預處理和歸一化。再進行特征提取后識別判斷并返回至前端顯示模塊。服務器利用空余算力自動讀取數據庫中的數據，將讀取到的數據進行數據增廣后再送入算法中學習訓練，提高模型的識別精度。

技術領域

本發明屬于智能醫療和人工智能領域，具體涉及一種基于視覺漸近式空洞網絡的皮膚病自學習輔助判定系統。

背景技術

皮膚不僅具有防御和屏蔽外界入侵的功能，還可以避免表皮和皮下的油脂與水分流失。皮膚雖然是身體內外的一道屏障，但并非堅不可摧，在日常生活中，皮膚多多少少會受到外部和遺傳因素的影響，尤其是來自于護膚品的刺激。最重要的是，當人們身上某處皮膚出現問題時，并不是所有人都會重視并且去醫院進行診斷。

隨著智能手機以及互聯網的發展，越來越多的人們在遇到問題時習慣性地求助于各大搜索引擎。由于皮膚類的疾病具有文字不可描述的境況，搜索引擎的弊端和參差不齊的解決方案使得人們更加茫然。

近年來，機器學習得到了長足的發展，卷積神經網絡作為機器學習的一個分支，在圖像領域有著得天獨厚的優勢，目前已有大量學者針對基于卷積神經網絡的皮膚病方向進行研究，成果斐然，一些基于數字圖像技術的設備也已經廣泛應用于人們的日常生活中，比如計算機斷層掃描、數字減影血管造影和核磁共振成像。上述這些產品幾乎只針對企業端，客戶端鮮有。為了滿足人們生活品質日益增長的需要，本著早發現早治療的觀念，針對皮膚病的視覺自學習輔助判定系統顯得尤為重要。

發明內容

為解決現有方法對于輸入圖像數據質量要求過高、局限性大；算法內部層級間無法快速高效聚合上下文信息；內部結構紊亂和層級空間丟失，模型性能達到瓶頸期，識別精度無法進一步突破；淺層算法提取的特征不夠抽象等問題，本發明提出了一種基于視覺漸近式空洞網絡的皮膚病自學習輔助判定系統，具體技術方案如下：

包括個人終端設備、前端顯示模塊、后端處理模塊。用戶通過個人終端設備將疑似皮膚病的區域拍照，通過前端顯示模塊將所獲取的照片上傳至后端處理模塊，期間會征求用戶同意以獲得所上傳數據的使用權，后期用于模型的自學習。將獲得許可的數據存入數據庫并發送至服務器或者將未獲得許可的數據直接送入服務器，然后對所接收到的數據進行預處理和歸一化。再通過漸近式空洞網絡進行特征提取后識別判斷并返回至前端顯示模塊。服務器利用空余算力自動讀取數據庫中的數據，將讀取到的數據進行數據增廣后再送入算法中學習訓練，提高模型的識別精度。

上述的個人終端設備為擁有至少800W像素且配備網絡連接功能的個人終端設備。

上述的前端模塊是采用HTML5技術編寫的自適應網頁。

上述的后端服務器是配備了NVIDIAGTX 2080Ti的GPU計算機服務器集群；

具體地說，包括以下步驟：

步驟一：用戶通過個人終端設備對疑似皮膚病區域進行拍照；

步驟二：將步驟一的圖片通過HTML5前端顯示模塊上傳并選擇是否授權個人數據用于幫助后續算法改進；

步驟三：將步驟二中授權的數據存入數據庫中后送入服務器或者將步驟二中未授權的數據直接送入服務器；

步驟四：針對步驟三得到的圖片進行預處理以獲得歸一化輸入；

步驟五：利用漸進式空洞網絡對步驟四的歸一化數據進行壓縮、根據紋理特征進行特征提取和識別判定；

步驟六：針對步驟五的判定結果返回至前端顯示模塊；