【技术实现步骤摘要】
本专利技术涉及计算机图像处理，特别涉及一种联合异构网络与特征精化的皮肤病理图像诊断方法。
技术介绍
1、皮肤癌是全球范围内最常见的癌症之一，其早期的诊断对于病症的控制和治疗至关重要。随着计算机辅助诊断（computer-aided diagnosis，cad）技术的飞速发展，融入主流人工智能技术的cad系统逐渐应用在癌症的临床诊断之中。越来越多基于人工智能技术的cad系统实现了对皮肤病理图像的自动诊断，这一技术不仅能够提高皮肤科医生的诊断效率，并减少主观差异对诊断结果的影响，还能够为皮肤科医生提供更为客观和更为全面的诊断结果，更好地支撑其临床工作。
2、目前皮肤病理图像分类的方法利用传统机器学习或使用神经网络进行疾病预测，取得了较好的分类性能，推动了基于cad的智能诊断发展，但现有工作存在如下弊端：一方面，基于手工特征的传统机器学习方法需要消耗大量的人力、物力，特征提取不充分，模型的准确率较低且泛化能力不足；另一方面，单一的深度学习网络在提取图像特征方面也存在局限性，它无法充分挖掘并利用图像中的局部病灶信息和全局上下文信息；...
【技术保护点】
1.一种联合异构网络与特征精化的皮肤病理图像诊断方法，其特征在于，所述方法基于分类预测模型实现，所述分类预测模型由多尺度特征提取模块、特征金字塔模块、自适应特征融合模块和Softmax分类器构成，所述方法包括如下步骤：
2.根据权利要求1所述的一种联合异构网络与特征精化的皮肤病理图像诊断方法，其特征在于，在所述步骤1中，多尺度特征提取模块分为四个阶段，第一阶段由局部聚合模块组成，第二阶段、第三阶段和第四阶段均由全局-局部融合模块组成，所述局部聚合模块的具体构成如下：
3.根据权利要求2所述的一种联合异构网络与特征精化的皮肤病理图像诊断方法，其特...
【技术特征摘要】
1.一种联合异构网络与特征精化的皮肤病理图像诊断方法，其特征在于，所述方法基于分类预测模型实现，所述分类预测模型由多尺度特征提取模块、特征金字塔模块、自适应特征融合模块和softmax分类器构成，所述方法包括如下步骤：
2.根据权利要求1所述的一种联合异构网络与特征精化的皮肤病理图像诊断方法，其特征在于，在所述步骤1中，多尺度特征提取模块分为四个阶段，第一阶段由局部聚合模块组成，第二阶段、第三阶段和第四阶段均由全局-局部融合模块组成，所述局部聚合模块的具体构成如下：
3.根据权利要求2所述的一种联合异构网络与特征精化的皮肤病理图像诊断方法，其特征在于，在所述步骤1中，多尺度特征提取模块分为四个阶段，第一阶段由局部聚合模块组成，第二阶段、第三阶段和第四阶段均由全局-局部融合模块组成，所述全局-局部聚合模块的具体构成如下：
4.根据权利要求3所述的一种联合异构网络与特征精化的皮肤病理图像诊断方法，其特征在于，在所述步骤1中，将皮肤病理图像输入多尺度特征提取模块，获得并输出第二阶段特征、第三阶段特征和第四阶段特征的具体步骤如下：
5.根据权利要求4所述的一种联合异构网络与特征精化的皮肤病理图像诊断方法，其特征在于，所述步骤2中，将第...
【专利技术属性】
技术研发人员：李广丽，周鑫炯，黄臣涛，张锦，冯雅，张红斌，
申请(专利权)人：华东交通大学，
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。