基于DCNNs和GANs的皮肤镜图像增强和分类方法技术

本发明专利技术公开了一种基于DCNNs和GANs的皮肤镜图像增强和分类方法，包括以下步骤：S1：构建并训练U‑Net分割网络；S2：构建基于pix2pixHD的图像合成网络；S3：训练图像合成网络；S4：构建基于DCNNs和GANs的多阶段皮肤病变分类框架；S5：训练SE‑Net分类网络；S6：获取待分类皮肤镜图像；S7：对待分类皮肤镜图像进行预处理；S8：将预处理后的待分类图片输入到多阶段皮肤病变分类框架进行分析。本发明专利技术能够实现皮肤镜图像的分割、合成和分类；本发明专利技术采用U‑Net、pix2pixHD方法，降低了无用背景信息和训练数据不足对分类任务性能的影响，本发明专利技术的方法具有很好的实用性。

Dermatoscope image enhancement and classification based on DCNNs and Gans

【技术实现步骤摘要】
基于DCNNs和GANs的皮肤镜图像增强和分类方法
本专利技术涉及数字图像处理
，特别涉及一种基于DCNNs和GANs的皮肤镜图像增强和分类方法。
技术介绍
皮肤镜图像中皮肤病变的自动准确分类对提高诊断和治疗水平具有重要意义。许多皮肤病变的分类解决方案是基于手工提取的特征，包括颜色、质地、形状，以及病变的综合描述，然而，这些手工提取的特征无法处理黑色素瘤巨大的类内变异性，以及黑色素瘤与非黑色素瘤病变之间高度的视觉相似性。虽然深度学习在许多图像分类任务中表现出了优异的性能，但由于缺乏训练数据和背景信息的干扰，皮肤病变的准确分类仍存在挑战。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于DCNNs和GANs的皮肤镜图像增强和分类方法。为解决上述技术问题，本专利技术采用的技术方案是：一种基于DCNNs和GANs的皮肤镜图像增强和分类方法，包括以下步骤：S1：构建并训练U-Net分割网络；S2：构建基于pix2pixHD的图像合成网络；S3：训练所述步骤S2本文档来自技高网...

【技术保护点】
1.一种基于DCNNs和GANs的皮肤镜图像增强和分类方法，其特征在于，包括以下步骤：/nS1：构建并训练U-Net分割网络；/nS2：构建基于pix2pixHD的图像合成网络；/nS3：训练所述步骤S2得到的图像合成网络；/nS4：构建基于DCNNs和GANs的多阶段皮肤病变分类框架：其包括由所述步骤S3得到的训练后的用于皮肤镜图像生成的图像合成网络、由所述步骤S1得到的训练后的用于病灶分割的U-Net分割网络以及用于病灶分类的SE-Net分类网络；/nS5：训练所述步骤S4中的SE-Net分类网络，得到训练后的可用于皮肤镜图像分类的多阶段皮肤病变分类框架；/nS6：获取待分类皮肤镜图像；/...

【技术特征摘要】
1.一种基于DCNNs和GANs的皮肤镜图像增强和分类方法，其特征在于，包括以下步骤：
S1：构建并训练U-Net分割网络；
S2：构建基于pix2pixHD的图像合成网络；
S3：训练所述步骤S2得到的图像合成网络；
S4：构建基于DCNNs和GANs的多阶段皮肤病变分类框架：其包括由所述步骤S3得到的训练后的用于皮肤镜图像生成的图像合成网络、由所述步骤S1得到的训练后的用于病灶分割的U-Net分割网络以及用于病灶分类的SE-Net分类网络；
S5：训练所述步骤S4中的SE-Net分类网络，得到训练后的可用于皮肤镜图像分类的多阶段皮肤病变分类框架；
S6：获取待分类皮肤镜图像；
S7：对待分类皮肤镜图像进行预处理；
S8：将预处理后的待分类图片输入到所述步骤S5得到的训练后的多阶段皮肤病变分类框架，实现对待分类图片的自动分类。


2.根据权利要求1所述的基于DCNNs和GANs的皮肤镜图像增强和分类方法，其特征在于，所述步骤S1中对构建的U-Net分割网络进行训练的步骤包括：
S1-1：获取训练图像；
S1-2：对训练图像进行预处理：将训练图像大小调整为224*224；
S1-3：将预处理后的训练图像输入U-Net分割网络对该网络进行训练，求得各个网络层的参数并保存，最终获得训练后的U-Net分割网络。


3.根据权利要求2所述的基于DCNNs和GANs的皮肤镜图像增强和分类方法，其特征在于，所述步骤S2中的基于pix2pixHD的图像合成网络包括一个以U-Net网络构建的生成器G和一个多尺度鉴别器D，所述多尺度鉴别器D包括3个结构相同但尺度不同的子网络。


4.根据权利要求3所述的基于DCNNs和GANs的皮肤镜图像增强和分类方法，其特征在于，所述步骤S3中训练所述图像合成网络的具体方法包括以下步骤：
S3-1：获取训练图像；
S3-2：将训练图像输入由所述步骤1得到的训练后的U-Net分割网络中，得到二进制分割蒙版；
S3-3：根据得到的二进制分割蒙版制作语义图和实例图；
S3-4：将得到的语义图和实例图输入所述步骤S2得到的所述图像合成网络中进行训练。


5.根据权利要求4所述的基于DCNNs和GANs的皮肤镜图像增强和分类方法，其特征在于，所述步骤S3-3中根据二进制分割蒙版制作语义图和实例图的具体方法为：
对于语义图，由于像素级分割任务的结果，语义图中的每个像素都有其与之对应的对象类值，使非病变、痣病变、黑色素瘤病变和脂溢性角化病病变皮肤被分配了不同的标签；
对于实例图，首先通过超像素算法生成超像素块，然后将超像素块按从左到右、从上到下的顺序进行升序编号；再对编号后的超像素块...

【专利技术属性】
技术研发人员：郑健，丁赛赛，唐杰，王言，袁刚，
申请(专利权)人：苏州斯玛维科技有限公司，
类型：发明
国别省市：江苏;32