【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体涉及一种基于三分支特征融合网络的皮肤疾病图像分类方法。
技术介绍
1、皮肤疾病是一类常见病、多发病，且随着环境污染、生活方式的改变以及人口老龄化等因素的影响，其发病率也在不断上升。随着计算机视觉和人工智能技术的迅猛发展，基于计算机进行皮肤疾病图像自动化分类的研究变得日益重要和具有挑战性。传统的皮肤疾病图像分类依赖于经验和专业知识，存在主观性和不确定性的问题。而自动化的皮肤疾病图像分类方法则可以有效地解决这些问题，具有快速、准确、可重复性等优点。因此，研究基于计算机视觉和人工智能技术的皮肤疾病图像自动化分类方法成为了近年来的热点问题。
2、虽然深度学习在图像分类、目标检测等领域中的应用，为自动化皮肤疾病图像的分类提供了新的思路和方法。但是，对于皮肤病图像的分类，深度学习模型的性能仍有很大的提升空间。首先就是数据量不足，深度学习算法需要大量的训练数据来训练模型，但是一些领域，可用于训练的公开数据集相对较少，而且每个数据集的病例种类、数量和标注质量都存在一定的差异。其次就是数据标注困难，需要专业医生对图像进行标注，但是由于标注人员的经验和主观因素，不同标注结果之间存在一定的差异。再次就是模型的可解释性欠缺，深度学习模型通常被视为黑盒模型，其内部结构和决策过程难以解释，这使得医生难以理解模型的判断结果，从而限制了其推广和应用。
3、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术要解决的技术问题在于，针对现有技术的上述
2、本专利技术解决技术问题所采用的技术方案如下：
3、第一方面，本专利技术提供一种基于三分支特征融合网络的皮肤疾病图像分类方法，其中，所述方法包括：
4、获取待分类的皮肤镜图像数据；
5、将所述待分类的皮肤镜图像数据输入到三分支分层多尺度特征融合网络，得到每个阶段的全局特征和多尺度局部特征，其中，所述三分支分层多尺度特征融合网络通过分类器梯度引导的扩散模型生成扩充图像数据进行训练；
6、通过自适应分层特征融合模块将所述每个阶段的全局特征和多尺度局部特征进行融合，得到自适应融合特征信息；
7、将所述自适应融合特征信息进行分类，得到分类结果并输出。
8、在一种实现方式中，所述将所述待分类的皮肤镜图像数据输入到三分支分层多尺度特征融合网络，得到每个阶段的全局特征和多尺度局部特征，包括：
9、构建三分支分层多尺度特征融合网络，其中，所述三分支分层多尺度特征融合网络包含全局特征提取模块，局部特征提取模块和自适应分层特征融合模块；
10、所述全局特征提取模块，通过瓶颈层和密集连接，获得图像中细微特征和每个阶段全局特征；
11、所述局部特征提取模块，通过多尺度感知，获得图像中细微特征和局部特征。
12、在一种实现方式中，所述通过自适应分层特征融合模块将每个阶段的全局和多尺度局部特征进行融合，得到自适应融合特征信息，包括：
13、将每个阶段的全局特征和多尺度局部特征分别输入到所述自适应分层特征融合块，并在所述自适应分层特征融合模块中，采用矩阵加法将每个阶段的全局特征和局部特征进行融合，得到每个阶段的自适应融合特征信息。
14、在一种实现方式中，所述采用矩阵加法将每个阶段的全局特征和局部特征进行融合，得到每个阶段的自适应融合特征信息，包括：
15、通过自适应分层特征融合模块，根据输入特征，自适应地融合来自每个阶段的局部特征、全局特征以及前一层次输出的自适应融合特征信息，得到每个阶段的自适应融合特征信息，其中所述输入特征包括所述细微特征、每个阶段全局特征和局部特征。
16、在一种实现方式中，所述所述三分支分层多尺度特征融合网络通过分类器梯度引导的扩散模型生成扩充图像数据进行训练，具体包括：
17、构建去噪扩散概率模型；
18、采用分类器引导所述去噪扩散概率模型，得到基于分类器梯度引导的扩散模型；
19、将皮肤镜图像训练数据输入所述基于分类器梯度引导扩散模型进行扩散增强，得到增强数据；
20、通过所述增强数据训练待训练的三分支分层多尺度特征融合网络，得到所述三分支分层多尺度特征融合网络。
21、在一种实现方式中，所述根据所述自适应融合信息进行分类，得到分类结果并输出，包括：
22、通过所述三分支分层多尺度特征融合网络对自适应融合特征信息进行识别分类，得到分类结果并输出。
23、第二方面，本专利技术实施例还提供一种基于三分支特征融合网络的皮肤疾病图像分类装置，其中，所述装置包括：
24、图像获取模块，用于获取待分类检测的皮肤镜图像数据；
25、特征提取模块，用于将所述待分类的皮肤镜图像数据输入到三分支分层多尺度特征融合网络，得到每个阶段的全局特征和多尺度局部特征，其中，所述三分支分层多尺度特征融合网络通过分类器梯度引导的扩散模型生成扩充图像数据进行训练；
26、融合模块，用于通过自适应分层特征融合模块将每个阶段的全局和多尺度局部特征进行融合，得到自适应融合特征信息；
27、分类模块，用于根据所述融合信息进行分类，得到分类结果并输出。
28、第三方面，本专利技术实施例还提供一种智能终端，其中，所述智能终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于三分支特征融合网络的皮肤疾病图像分类程序，所述处理器执行所述基于三分支特征融合网络的皮肤疾病图像分类程序时，实现如以上任一项所述的基于三分支特征融合网络的皮肤疾病图像分类方法的步骤。
29、第四方面，本专利技术实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有基于三分支特征融合网络的皮肤疾病图像分类程序，所述基于三分支特征融合网络的皮肤疾病图像分类程序被处理器执行时，实现如以上任一项所述的基于三分支特征融合网络的皮肤疾病图像分类方法的步骤。
30、有益效果：与现有技术相比，本专利技术提供了一种基于三分支特征融合网络的皮肤疾病图像分类方法，首先获取原始医学影像数据，采用扩散模型对原始医学影像数据进行增强，再通过分类器梯度指导进一步提高样本质量。其次，采用了三分支特征融合网络来捕获全局和局部特征，设计了一个新的多尺度模块获得多维度的图像信息，实现了无需构建非常深入的网络即可获得良好的效果，有效避免了梯度消失和特征信息丢失的问题。再次，我们设计了一个自适应分层特征融合块融合每个阶段的全局和局部特征，得到分层融合特征。自适应分层特征融合块包含空间注意力、通道注意力，可以自适应地融合各个阶段的各种尺度特征之间的语义信息的快捷方式。最后，根据所述分层融合特征进行分类，得到分类结果，实现了智能分类，并提高了分类准确率。
本文档来自技高网...【技术保护点】
1.一种基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述将所述待分类的皮肤镜图像数据输入到三分支分层多尺度特征融合网络，得到每个阶段的全局特征和多尺度局部特征，包括：
3.根据权利要求2所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述通过自适应分层特征融合模块将每个阶段的全局和多尺度局部特征进行融合，得到自适应融合特征信息，包括：
4.根据权利要求3所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述采用矩阵加法将每个阶段的全局特征和局部特征进行融合，得到每个阶段的自适应融合特征信息，包括：
5.根据权利要求1所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述三分支分层多尺度特征融合网络通过分类器梯度引导的扩散模型生成扩充图像数据进行训练，具体包括：
6.根据权利要求5所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述将所述自适应融合特征信
7.一种基于三分支特征融合网络的皮肤疾病图像分类装置，其特征在于，所述装置包括：
8.一种智能终端，其特征在于，所述智能终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于三分支特征融合网络的皮肤疾病图像分类程序，所述处理器执行所述基于三分支特征融合网络的皮肤疾病图像分类程序时，实现如权利要求1-6任一项所述的基于三分支特征融合网络的皮肤疾病图像分类方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于三分支特征融合网络的皮肤疾病图像分类程序，所述基于三分支特征融合网络的皮肤疾病图像分类程序被处理器执行时，实现如权利要求1-6任一项所述的基于三分支特征融合网络的皮肤疾病图像分类方法的步骤。
...【技术特征摘要】
1.一种基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述将所述待分类的皮肤镜图像数据输入到三分支分层多尺度特征融合网络，得到每个阶段的全局特征和多尺度局部特征，包括：
3.根据权利要求2所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述通过自适应分层特征融合模块将每个阶段的全局和多尺度局部特征进行融合，得到自适应融合特征信息，包括：
4.根据权利要求3所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述采用矩阵加法将每个阶段的全局特征和局部特征进行融合，得到每个阶段的自适应融合特征信息，包括：
5.根据权利要求1所述的基于三分支特征融合网络的皮肤疾病图像分类方法，其特征在于，所述三分支分层多尺度特征融合网络通过分类器梯度引导的扩散模型生成扩充图像数据进行训练...
【专利技术属性】
技术研发人员：吴晓燕，李平康，何良格，胡火有，
申请(专利权)人：深圳市第二人民医院深圳市转化医学研究院，
类型：发明
国别省市：
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。