一种基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法技术

本发明专利技术提供一种基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法，属于深度学习中的医学图像分类技术。该方法首先将无标记的皮肤病变图像进行切分，分割后的多个图像分块被重组为不同图像后进行数据增强以凸显图像特征，之后将混合图像送入主干网络，主干网络对图像特征进行提取；接着，模型将经过主干网络提取后的特征图打乱并分别送入任务分支，即最大化上下文互信息分支和对比拼图分支，模型对不同辅助任务的损失函数进行计算求和，梯度回传更新编码器模型参数；最后，利用训练好的网络模型对待识别的皮肤病变图像进行分类，得到最终识别分类结果。本发明专利技术的效果和益处是能够提高皮肤病的识别分类精度及准确率，帮助医护人员辅助诊断。

【技术实现步骤摘要】

本专利技术涉及一种基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法，属于计算机视觉中的图像分类。

技术介绍

1、皮肤癌是世界上最危险的疾病之一，其中黑色素瘤是一种较为常见的皮肤癌。对皮肤病患者而言，及早发现与治疗，是有效治愈皮肤病的唯一途径。随着科学技术的进步，现如今人们可以通过计算机对皮肤病变图像进行分类，从而提前治疗预防皮肤癌。

2、皮肤病变图像数据集的特点主要有：(1)皮肤病变图像数据不足且标注成本较高。不同于自然图像易于收集，由于法律限制和隐私问题，收集医疗数据比较困难。此外，用于监督训练的皮肤病变图像需要具备专业知识的人员进行手动标注，这使得标注成本昂贵且耗时。(2)皮肤病图像数据集分布不平衡。在大多数皮肤病数据集中，通常良性病变图像占有大部分比例；此外，在不同皮肤病类别的样本数量上存在显著的数量不平等。(3)皮肤病变图像存在类间差异小和类内差异大现象。

3、深度学习需要大量的图像数据进行训练，为了缓解皮肤病变图像数据集制作成本的压力，研究人员尝试不完全依赖于标签图像数据，利用大量未标签图像数据以自监督学习的方式训练本文档来自技高网...

【技术保护点】

1.一种基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法，其特征在于，包括模型训练阶段和模型微调阶段，所述模型训练阶段具体包括如下步骤：

2.根据权利要求1所述的基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法，其特征在于，所述模型训练阶段步骤(3)中，所述最大化上下文互信息辅助任务具体方法如下：

3.根据权利要求1所述的基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法，其特征在于，所述模型训练阶段步骤(4)中，所述对比拼图辅助任务具体方法如下：

4.根据权利要求1所述的基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法，其特征在...

【技术特征摘要】

1.一种基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法，其特征在于，包括模型训练阶段和模型微调阶段，所述模型训练阶段具体包括如下步骤：

2.根据权利要求1所述的基于最大化上下文互信息和对比拼图的皮肤病变图像分类方法，其特征在于，所述模型训练阶段步骤(3)中，所述最大化上下文互信息辅助任务具体方法如下：

3.根据权利要求...

【专利技术属性】
技术研发人员：许国艳，章煜巍，吴春艳，
申请(专利权)人：河海大学，
类型：发明
国别省市：