The invention discloses a method for classification of skin lesion types based on in-depth learning. Based on the existing ResNet50 and Inception V3 networks, the method designs a model algorithm for classification of skin lesion images. The model can train and optimize the relevant lesion images, and then can classify the lesion types including melanoma, nevus, basal cell carcinoma and actinic keratosis. 7 kinds of skin lesions including benign keratosis, dermatofibroma and hemangioma were classified and diagnosed. By using this method, the accuracy of 92.48% and the recall rate of 86.76% can be achieved, which is higher than the average accuracy of doctors.
【技术实现步骤摘要】
一种基于深度学习的皮肤病图片病变类型分类方法
本专利技术涉及深度学习医学图像分类算法,尤其是一种基于深度学习的医学图像分类方法。
技术介绍
现有的基于深度学习的皮肤病分类诊断主要是诊断是否存在皮肤病变,即判断获取的图像是否存在有皮肤癌变。例如,公告号为CN107909566A的中国专利技术专利,公开了“一种基于深度学习的皮肤癌黑色素瘤的图像识别方法”,其方法通过深度学习技术来对是否存在黑色素瘤进行诊断。此种仅对于是否存在癌症的方法过于简单,皮肤是否存在病变通过普通人的肉眼即刻观测出,而且当皮肤发生病变且不为黑色素瘤时该方法未必能够正确诊断。因此大大加大了误诊的可能性,同时分类诊断的准确率不高且不能够准确诊断出病变属于哪种疾病。
技术实现思路
为了解决现有技术中存在误诊、准确率过低且不能诊断出处于哪种病变等缺陷,本专利技术提出了一种基于深度学习的皮肤病图片病变类型分类方法,将针对皮肤病图片重新设计深度学习模型,并与皮肤病变图像扩增技术相结合,在能够对包括黑色素瘤、痣、基底细胞癌、光化性角化病、良性角化病、皮肤纤维瘤和血管瘤在内的七种皮肤病变进行分类诊断。并且超过人类专家诊断的真确率。本专利技术所采用的技术方案是:一种基于深度学习的皮肤病图片病变类型分类方法,改方法包含以下技术步骤:步骤1、获取不同的皮肤病变图片;对皮肤病变图片进行数据预处理,对不同尺寸的皮肤病变图片进行缩放至设置好的两个固定尺寸。步骤2、皮肤病变图片数据扩增,对经过预处理的皮肤病变图片进行包括随机裁剪、随机翻转、随机旋转和随机形变在内的变换,所有的变换均有概率发生,即可能发生变换也可能不发生变换 ...
【技术保护点】
1.一种基于深度学习的皮肤病图片病变类型分类方法,其特征在于,该方法具体包括以下步骤:步骤1、获取不同的皮肤病变图片;对皮肤病变图片进行数据预处理,对不同尺寸的皮肤病变图片进行缩放至设置好的两个固定尺寸;步骤2、皮肤病变图片数据扩增,对经过预处理的皮肤病变图片进行包括随机裁剪、随机翻转、随机旋转和随机形变在内的变换,所有的变换均有概率发生,即可能发生变换也可能不发生变换;步骤3、将步骤2扩增后的数据输入到卷积神经网络;所述的卷积神经网络为改进了ResNet50、InceptionV3网络,保留ResNet50平均池化层和InceptionV3平均池化层之前的部分,并对两个改进后的网络的输出张量在深度的维度上进行拼接,然后送入到分类器中;所述的分类器包含两个全连接层,第一个全连接层用于整合之前的张量特征;第二个全连接层用于产生分类结果;步骤4、针对数据样本分布不平衡的问题,采用损失函数加权的方式解决,损失函数的加权值为每一类样本出现频率的倒数;步骤5、使用超大规模视觉图像挑战赛中的图片所训练的权重,通过该权重对卷积网络进行初始化;步骤6、将步骤2中采样出的样本通过模型的输入层送入模型,利 ...
【技术特征摘要】
1.一种基于深度学习的皮肤病图片病变类型分类方法,其特征在于,该方法具体包括以下步骤:步骤1、获取不同的皮肤病变图片;对皮肤病变图片进行数据预处理,对不同尺寸的皮肤病变图片进行缩放至设置好的两个固定尺寸;步骤2、皮肤病变图片数据扩增,对经过预处理的皮肤病变图片进行包括随机裁剪、随机翻转、随机旋转和随机形变在内的变换,所有的变换均有概率发生,即可能发生变换也可能不发生变换;步骤3、将步骤2扩增后的数据输入到卷积神经网络;所述的卷积神经网络为改进了ResNet50、InceptionV3网络,保留ResNet50平均池化层和InceptionV3平均池化层之前的部分,并对...
【专利技术属性】
技术研发人员:方健男,端阳,孙玲玲,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
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。