[發明專利]一種基于注意力機制與遷移學習的黑素瘤檢測方法

在審

• 申請號: 202011631002.2
• 申請日: 2020-12-31
• 公開（公告）號: CN112734709A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 潘曉光;王小華;張娜;令狐彬;馬彩霞
• 申請（專利權）人: 山西三友和智慧信息技術股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;A61B5/00
• 代理公司: 太原榮信德知識產權代理事務所(特殊普通合伙) 14119
• 代理人: 楊凱;連慧敏

1.一種基于注意力機制與遷移學習的黑素瘤檢測方法，其特征在于：包括下列步驟：

S1、數據集構建：將ISIC2020數據集中的黑素瘤樣本提取出，對其進行數據增強工作，擴充樣本數量，利用增強后的數據進行數據集重組；

S2、數據劃分：將模型分為訓練集、驗證集與測試集，用于模型的訓練，模型損失穩定驗證與分類效果測試；

S3、分類模型構建：模型卷積網絡部分基于EfficientDet網絡構建，通過EfficientDet網絡對ImageNet數據分類的參數作為網絡初始化參數，通過注意力機制增加模型可解釋性，增加模型的安全性，提升模型分類準確率；

S4、模型訓練；

S5、模型驗證。

2.根據權利要求1所述的一種基于注意力機制與遷移學習的黑素瘤檢測方法，其特征在于：所述S1中數據集構建的方法包括：圖片旋轉、圖片翻轉與添加噪聲，所述圖片旋轉的方法為：在(0,360)中隨機選取5個值作為旋轉角度，將數據按照對應角度進行旋轉；所述數據翻轉的方法為：以圖片中線為軸，將所有數據進行上下、左右兩個方向的翻轉；所述添加噪聲的方法為：向圖片數據中增加方差為0.5的高斯噪聲。

3.根據權利要求1所述的一種基于注意力機制與遷移學習的黑素瘤檢測方法，其特征在于：所述S1中數據集重組的方法為：將經數據增強后獲得的所有黑素瘤圖片樣本與ISIC2020數據集中正常的皮膚樣本隨機混合，構建新數據集，此數據集中黑素瘤樣本為原數據集的36倍。

4.根據權利要求1所述的一種基于注意力機制與遷移學習的黑素瘤檢測方法，其特征在于：所述S2中數據劃分的方法為：將重組后數據集中所有數據縮放為224*224大小，之后將其按照7：2：1的比例劃分為訓練集、驗證集與測試集。

5.根據權利要求1所述的一種基于注意力機制與遷移學習的黑素瘤檢測方法，其特征在于：所述S3中分類模型構建的方法包括識別卷積網絡模型與注意力機制，

所述識別卷積網絡模型為EfficientDet模型，將EfficientDet作為模型主網絡，通過ImageNet數據對模型主網絡進行預訓練，以其最終的模型參數作為黑素瘤皮膚分類任務的初始參數；

所述注意力機制為Residual Attention機制，將Residual Attention機制作為主模型分配注意力，所述注意力機制通過兩次下采樣對數據特征進行提取，再通過兩個上采樣還原圖片，得到注意力分配權重，從而幫助主網絡更好的提取數據特征。

6.根據權利要求1所述的一種基于注意力機制與遷移學習的黑素瘤檢測方法，其特征在于：所述S4中模型訓練的方法為：將訓練集數據輸入分類模型中，模型初始參數為預訓練得到的參數，使用訓練集數據對模型進行迭代訓練，待到模型損失不再下降，停止訓練，保存模型。

7.根據權利要求1所述的一種基于注意力機制與遷移學習的黑素瘤檢測方法，其特征在于：所述S5中模型驗證的方法為：使用驗證集數據再次對模型進行訓練，若模型損失穩定，則保存模型，若損失下降，再次使用訓練集數據對模型進行訓練，重復上述過程，直到模型損失穩定。