【技术实现步骤摘要】
一种基于形态学和临床实践的皮肤疾病分类装置
本专利技术涉及深度学习应用
,特别是涉及一种基于形态学和临床实践的皮肤疾病分类装置。
技术介绍
皮肤疾病的分类问题,目前常见的文献资料,基本上是按照发生部位、分子病理等进行分类,而皮肤疾病从临床实践和计算机图形图像两种角度来看,都是一种形态学的科学,在深度学习之前,未见较为深入的按形态学进行分类的架构。现有技术是基于传统机器学习的分类方法,包括人工神经元网络、支持向量机、AdaBoost算法,这些方法的基本步骤是图像数据获取→图像预处理→图像分割→特征提取和选择→分类器。本专利技术的专利技术人发现,传统机器学习方法受图像的角度、光线、分辨率等多方面的影响,准确性一直不高。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于形态学和临床实践的皮肤疾病分类装置,能提高机器自动分类的准确性。本专利技术解决其技术问题所采用的技术方案是:提供一种基于形态学和临床实践的皮肤疾病分类装置,包括:理论分类树构建模块,用于通过聚类算法相关形态学工具对皮肤疾病种类构建理论分类树;训练树构建模块,用于根据临床实际采集的数据,从根节点遍历所述理论分类树形成训练树;决策分类模型构建模块,通过对形成的训练树进行训练得到决策模型,所述决策模型根据临床参数,对实现大于阈值的节点进行临床辅助诊断。所述理论分类树构建模块构建的理论分类树包括至少三级节点,其中,第一级节点包括良性肿瘤、交界性肿瘤、恶性肿瘤和非肿瘤类;第二级节点共有42类,第三级节点共有344类。所述训练树构建模块以1000张皮肤镜图片为最小值,数据量达1000张皮肤镜图片的取 ...
【技术保护点】
1.一种基于形态学和临床实践的皮肤疾病分类装置,其特征在于,包括:理论分类树构建模块,用于通过聚类算法相关形态学工具对皮肤疾病种类构建理论分类树;训练树构建模块,用于根据临床实际采集的数据,从根节点遍历所述理论分类树形成训练树;决策分类模型构建模块,通过对形成的训练树进行训练得到决策模型,所述决策模型根据临床参数,对实现大于阈值的节点进行临床辅助诊断。
【技术特征摘要】
1.一种基于形态学和临床实践的皮肤疾病分类装置,其特征在于,包括:理论分类树构建模块,用于通过聚类算法相关形态学工具对皮肤疾病种类构建理论分类树;训练树构建模块,用于根据临床实际采集的数据,从根节点遍历所述理论分类树形成训练树;决策分类模型构建模块,通过对形成的训练树进行训练得到决策模型,所述决策模型根据临床参数,对实现大于阈值的节点进行临床辅助诊断。2.根据权利要求1所述的基于形态学和临床实践的皮肤疾病分类装置,其特征在于,所述理论分类树构建模块构建的理论分类树包括至少三级节点,其中,第一级节点包括良性肿瘤、交界性肿瘤、恶性肿瘤和非肿瘤类;第二级节点共有...
【专利技术属性】
技术研发人员:马维民,
申请(专利权)人:上海麦色智能科技有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。