【技术实现步骤摘要】
一种皮肤癌种类识别方法、系统、计算机设备和存储介质
本申请涉及图像处理领域，特别是一种皮肤癌种类识别方法、系统、计算机设备和存储介质。
技术介绍
皮肤癌是一个主要的公共健康问题，在美国每年有超过500万的新诊断病例。例如，黑素瘤是最致命的皮肤癌，导致绝大多数皮肤癌患者死亡。2015年，全球黑素瘤发病率估计超过35万例，近6万人死亡。尽管死亡率很高，但如果及早发现，黑色素瘤病患的存活率将超过95％。黑色素瘤是在皮肤表面发生的色素病变，通过专家的肉眼检查可以及早发现。它还可以通过图像分析进行自动检测。皮肤镜检查是一种消除皮肤表面反射的成像技术。通过去除表面反射，可以增强皮肤深层的视觉效果。先前的研究表明，当专家或者皮肤科医生使用皮肤镜时，与标准的摄影相比，它能提高诊断的准确性。随着便宜的消费级皮肤镜设备开始进入市场，通过图像分析对皮肤癌种类进行识别越来越受到大众的青睐。但是现有的基于图像分析的皮肤癌种类识别方法易受图像中病灶周围干扰因素的影响，皮肤癌分类的准确率低；且难以实现对多种类别皮肤癌的准确区分。
技术实现思路
基于此，有必要针对现有基于图像分析的皮肤癌种类识别方法...
【技术保护点】
1.一种皮肤癌种类识别方法，其特征在于，包括以下步骤：采集训练用皮肤图像，从训练用皮肤图像中提取病灶分割特征信息及病灶分类特征信息，依据病灶分割特征信息训练U‑Net分割模型，依据病灶分类特征信息训练DenseNet分类模型；采集待识别的皮肤图像，通过U‑Net分割模型依据待识别的皮肤图像的病灶分割特征信息生成病灶区域掩膜；依据病灶区域掩膜从待识别的皮肤图像中分割出病灶区域图像；通过DenseNet分类模型从病灶区域图像中提取病灶分类特征信息，并依据提取的病灶分类特征信息对病灶区域图像进行识别和分类。
【技术特征摘要】
1.一种皮肤癌种类识别方法，其特征在于，包括以下步骤：采集训练用皮肤图像，从训练用皮肤图像中提取病灶分割特征信息及病灶分类特征信息，依据病灶分割特征信息训练U-Net分割模型，依据病灶分类特征信息训练DenseNet分类模型；采集待识别的皮肤图像，通过U-Net分割模型依据待识别的皮肤图像的病灶分割特征信息生成病灶区域掩膜；依据病灶区域掩膜从待识别的皮肤图像中分割出病灶区域图像；通过DenseNet分类模型从病灶区域图像中提取病灶分类特征信息，并依据提取的病灶分类特征信息对病灶区域图像进行识别和分类。2.根据权利要求1所述的一种皮肤癌种类识别方法，其特征在于，所述依据病灶分割特征信息训练U-Net分割模型，包括：搭建U-Net分割模型；分别对若干训练用皮肤图像进行预处理；获取各训练用皮肤图像所对应的病灶区域掩膜样本；将预处理后的各训练用皮肤图像的病灶分割特征信息分别输入至U-Net分割模型，依据病灶分割特征信息进行病灶分割训练；在病灶分割训练过程中，依据各训练用皮肤图像的病灶区域掩膜样本不断更新U-Net分割模型各层的参数，直至U-Net分割模型生成的病灶区域掩膜达到预设要求。3.根据权利要求1所述的一种皮肤癌种类识别方法，其特征在于，所述依据病灶分类特征信息训练DenseNet分类模型，包括：搭建DenseNet分类模型；通过训练好的U-Net分割模型从若干训练用皮肤图像中分别分割出训练用病灶区域图像；训练用病灶区域图像包含病灶分类特征信息；分别对各训练用病灶区域图像进行预处理；获取各训练用病灶区域图像所对应的类别标签；将预处理后的各训练用病灶区域图像的病灶分类特征信息分别输入至DenseNet分类模型，依据病灶分类特征信息进行分类训练；在分类训练过程中，依据各训练用病灶区域图像的类别标签不断更新DenseNet分类模型各层的参数，直至DenseNet分类模型对训练用病灶区域图像的病灶分类能力达到预设要求。4.根据权利要求1所述的一种皮肤癌种类识别方法，其特征在于，所述依据病灶区域掩膜从待识别的皮肤图像中分割出病灶区域图像，包括：通过病灶区域掩膜覆盖待识别的皮肤图像；依据病灶区域掩膜从待识别的皮肤图像中识别出环绕病灶所在区域的外接矩形区域；从待识别的皮肤图像中分割出该外接矩形区域的图像。5.根据权利要求2所述的一种皮肤癌种类识别方法，其特征在于，所述依据各训练用皮肤图像的病灶区域掩膜样本不断更新U-Net分割模型各层的参数，包括：输入的病灶分割特征信息在U-Net分割模型内部运行前向传输；利用U-Net分割模型各...
【专利技术属性】
技术研发人员：刘新卉，马进，王健宗，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44
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。