一种基于深度学习的皮肤病分类装置及分类方法制造方法及图纸

本发明专利技术公开了一种基于深度学习的皮肤病分类装置及分类方法，皮肤病分类装置，其特征在于，包括：图像采集模块，图像处理模块，数据处理模块，通信模块和供电模块；图像采集模块，用于采集所需样本图像；图像处理模块，用于对采集到的样本图像进行图像处理；数据处理模块，用于使用基于深度学习的皮肤病分类方法对采集到的样本图像进行分类；通信模块，用于与接收端电子设备通信，传递分类结果数据；供电模块，用于向图像采集模块，图像处理模块，数据处理模块和通信模块供电。该基于深度学习的皮肤病分类装置及分类方法易于实施，分类效率高。

A skin disease classification device and method based on deep learning

【技术实现步骤摘要】
一种基于深度学习的皮肤病分类装置及分类方法
本专利技术涉及深度学习，图像分类和医学影像领域，特别是涉及一种基于深度学习的皮肤病分类装置和皮肤病分类方法。
技术介绍
皮肤病是目前很常见的一种疾病，由于皮肤病的种类繁多，因此人们在得了皮肤病之后难以确定皮肤病类型。专用的医疗检测设备，价格高昂，体型庞大，只有大型医院才有能够配备这样的设备。这样不但造成了就医困难的局面，也间接加重了医院的负担。而传统机器学习算法基于人工设计提取特征，提取深层次特征困难，过程复杂，且依赖专家经验，分类性能和泛化性差，方法局限性大。近年来，深度学习在图像处理领域取得突破性进展并成功应用于医学图像诊断领域，使得医学图像的自动诊断准确率相比于以前有了巨大的提高。因此，基于上述问题，提出一种基于深度学习的皮肤病分类装置和皮肤病分类方法。
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深度学习的皮肤病分类装置及分类方法，该基于深度学习的皮肤病分类装置及分类方法易于实施，分类效率高。专利技术的技术解决方案如下：一种基于深度学习的皮肤病分本文档来自技高网...

【技术保护点】
1.一种基于深度学习的皮肤病分类装置，其特征在于，包括：图像采集模块，图像处理模块，数据处理模块，通信模块和供电模块；/n图像采集模块，用于采集所需样本图像；/n图像处理模块，用于对采集到的样本图像进行图像处理；/n数据处理模块，用于使用基于深度学习的皮肤病分类方法对采集到的样本图像进行分类；/n通信模块，用于与接收端电子设备通信，传递分类结果数据；/n供电模块，用于向图像采集模块，图像处理模块，数据处理模块和通信模块供电。/n

【技术特征摘要】
1.一种基于深度学习的皮肤病分类装置，其特征在于，包括：图像采集模块，图像处理模块，数据处理模块，通信模块和供电模块；
图像采集模块，用于采集所需样本图像；
图像处理模块，用于对采集到的样本图像进行图像处理；
数据处理模块，用于使用基于深度学习的皮肤病分类方法对采集到的样本图像进行分类；
通信模块，用于与接收端电子设备通信，传递分类结果数据；
供电模块，用于向图像采集模块，图像处理模块，数据处理模块和通信模块供电。


2.根据权利要求1所述的基于深度学习的皮肤病分类装置，其特征在于，所述图像采集模块包括：接触式镜头，光源，感光传感器和模数转换器；
接触式镜头具有一个能与皮肤紧密接触的镜筒，镜筒内装有光源；感光传感器通过镜头感受光线变化产生电信号，该电信号为模拟信号；模数转换器将收到的电信号转换成数字信号。


3.一种基于深度学习的皮肤病分类方法，其特征在于，包括如下步骤：
步骤1：获取待检测图像；
步骤2：对待检测图像进行图像预处理；
步骤3：将预处理后的图像导入深度学习网络模型中进行分类运算；
步骤4：输出图像分类结果。


4.如权利要求3所述的基于深度学习的皮肤病分类方法，其特征在于，所述图像预处理过程包括：降噪处理，以减少图像的噪声污染；直方图均衡化，避免图像过曝或者曝光不足；图像归一化，以减少由于光线不均造成的干扰。


5.如权利要求3所述的基于深度学习的皮肤病分类方法，其特征在于，所述深度学习模型运用了改进的ResNet50深度学习模型，即FL-ResNet50模型，该模型在ResNet50模型的基础上，使用FocalLoss损失函数关注难分类的类别，提高多样本分类的准确性；为了减少过拟合，提高泛化能力，对ResNet50模型最后的全连接层使用Dropout正则化。


6.如权利要求5所述基于深度学习的皮肤病分类方...

【专利技术属性】
技术研发人员：周维，马梓钧，罗清，许海霞，唐华龙，李观德，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43