[發(fā)明專(zhuān)利]一種皮膚病變圖像分類(lèi)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110911205.5
• 申請(qǐng)日: 2021-08-10
• 公開(kāi)（公告）號(hào): CN113705630B
• 公開(kāi)（公告）日: 2023-10-13
• 發(fā)明（設(shè)計(jì)）人: 王玉峰;萬(wàn)承北
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京郵電大學(xué)
• 主分類(lèi)號(hào): G06V10/764
• 分類(lèi)號(hào): G06V10/764;G06V10/762;G06V10/52;G06V10/80;G06V10/82;G06T7/00;G06T7/62;G06T7/73;G06N3/0464;G06N3/045;G06N3/048;G06N3/08
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司 32224
• 代理人: 孫永生

1.一種皮膚病變圖像分類(lèi)方法，其特征在于，包括如下步驟：

對(duì)待分類(lèi)皮膚病變圖像進(jìn)行中心裁剪，獲得第一圖像塊；

采用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型的上分支網(wǎng)絡(luò)對(duì)第一圖像塊進(jìn)行特征提取，獲得第一特征向量，其中，所述神經(jīng)網(wǎng)絡(luò)模型采用基于多尺度雙層注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型；

利用上分支網(wǎng)絡(luò)中的病變定位結(jié)構(gòu)根據(jù)第一特征向量進(jìn)行病變區(qū)域定位；

根據(jù)所定位的病變區(qū)域?qū)Φ谝粓D像塊進(jìn)行裁剪，獲取第二圖像塊；

利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型的下分支網(wǎng)絡(luò)對(duì)第二圖像塊進(jìn)行特征提取，獲得第二特征向量；

利用下分支網(wǎng)絡(luò)中的特征融合結(jié)構(gòu)對(duì)第一特征向量和第二特征向量進(jìn)行特征融合，獲得融合向量；

利用下分支網(wǎng)絡(luò)的輸出層中的softmax激活函數(shù)處理融合向量，獲取皮膚病變類(lèi)別預(yù)測(cè)概率；

根據(jù)皮膚病變類(lèi)別預(yù)測(cè)概率對(duì)待分類(lèi)皮膚病變圖像進(jìn)行分類(lèi)。

2.根據(jù)權(quán)利要求1所述的一種皮膚病變圖像分類(lèi)方法，其特征在于，神經(jīng)網(wǎng)絡(luò)模型的上分支網(wǎng)絡(luò)包括特征提取結(jié)構(gòu)、輔助輸出層、病變定位結(jié)構(gòu)和裁剪縮放結(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)模型的下分支網(wǎng)絡(luò)包括特征提取結(jié)構(gòu)、輔助輸出層、特征融合結(jié)構(gòu)和輸出層，其中，所述特征提取結(jié)構(gòu)包括一個(gè)卷積層和若干個(gè)注意力殘差單元學(xué)習(xí)結(jié)構(gòu)ARL，所述病變定位結(jié)構(gòu)包括隱藏層和輸出層。

3.根據(jù)權(quán)利要求1或2所述的一種皮膚病變圖像分類(lèi)方法，其特征在于，獲得第一特征向量的方法為：

將第一圖像塊輸入上分支網(wǎng)絡(luò)的特征提取結(jié)構(gòu)的卷積層，通過(guò)Relu非線性激活函數(shù)獲得中間向量X₁；

利用若干個(gè)注意力殘差單元學(xué)習(xí)結(jié)構(gòu)ARL對(duì)中間向量X₁進(jìn)行卷積、歸一化、下采樣處理，獲得輸出向量y；

利用全局平均池化層處理輸出向量y，獲得第一圖像塊對(duì)應(yīng)的的第一特征向量F¹。

4.根據(jù)權(quán)利要求1所述的一種皮膚病變圖像分類(lèi)方法，其特征在于，利用上分支網(wǎng)絡(luò)中的病變定位結(jié)構(gòu)根據(jù)第一特征向量進(jìn)行病變區(qū)域定位的方法為：

將第一特征向量F¹輸入到病變定位結(jié)構(gòu)的隱藏層，利用Relu非線性激活函數(shù)得到隱藏層狀態(tài)g：

g＝Relu(U₃F¹+b₃)

其中，U₃為隱藏層的參數(shù)矩陣，b₃為隱藏層的偏置項(xiàng)；

根據(jù)隱藏層狀態(tài)g，在病變定位結(jié)構(gòu)的輸出層中利用sigmoid非線性激活函數(shù)獲取第一圖像塊的病變區(qū)域坐標(biāo)，病變區(qū)域坐標(biāo)的表達(dá)式如下：

[t_x，t_y，t_l]＝n*sigmoid(U₄g+b₄)

其中，t_x表示病變區(qū)域中心點(diǎn)的橫坐標(biāo)，t_y表示病變區(qū)域中心點(diǎn)的縱坐標(biāo)，t_l表示病變區(qū)域的半徑，n為第一圖像塊的邊長(zhǎng)，U₄為輸出層的參數(shù)矩陣，b₄為輸出層的偏置項(xiàng)。