科创中国
一种基于深度学习的黑色素瘤皮肤病的分类识别方法
成果类型：: 发明专利
发布时间: 2024-09-24 10:22:12
科技成果产业化落地方案
方案提交机构：成果发布人| 徐景新 | 2024-09-24 10:22:12
为了克服已有黑色素瘤皮肤病的分类方式的样本偏少、数据不均衡导致的分类识别率较低的不足，本发明提供一种有效提高黑色素瘤皮肤病分类识别率的基于深度学习的黑色素瘤皮肤病的分类识别方法，通过联合不同的神经网络模型，以分阶段分类的过程，多种类型训练图片输入，从而让网络训练更充分，提高网络模型的分类准确率。
一种基于深度学习的黑色素瘤皮肤病的分类识别方法，将原始图像、采用类激活图剪切的图像、医生手工分割的病变区域二值掩膜图像分别进行数据预处理；采用图像分类网络，将它们最后一层进行联合，三种训练集图片分别输入这三个网络，图片正向输入网络，并通过反向传播最小化代价函数更新权值，求出对第一类非增值性损伤皮肤病分类效果最优组合；先采用联合网络1对第一类皮肤病单独分类，再使用联合网络2将剩余数据中的第二类皮肤病分类出来；剩余的就是恶性皮肤病，得到皮肤病分类准确率1；再得到皮肤病分类准确率2；得到皮肤病分类准确率3；将最高的准确率作为最终的结果。本发明有效提高黑色素瘤皮肤病分类识别率。
医疗诊断：该方法可以辅助医生进行黑色素瘤的早期诊断和筛查，提高诊断准确率，帮助患者及时进行治疗。
医学研究：为医学研究提供新的工具和数据支持，促进对黑色素瘤的病理机制、治疗方法等方面的研究。
皮肤病管理：可以用于建立皮肤病的智能管理系统，对患者的皮肤状况进行长期监测和分析。
远程医疗：通过互联网技术，实现远程黑色素瘤的诊断和咨询，为医疗资源不均衡地区的患者提供更好的医疗服务。
浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。
图像分类网络为Inception-ResNet-v2、GoogLeNet和VGGNet神经网络。
本发明的有益效果主要表现在：通过联合不同的神经网络模型，以分阶段分类的过程，多种类型训练图片输入，从而让网络训练更充分，提高网络模型的分类准确率。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app