网站大量收购闲置独家精品文档,联系QQ:2885784924

基于皮肤病理图像的识别方法及系统.pdf

基于皮肤病理图像的识别方法及系统.pdf

  1. 1、本文档共36页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

(19)中华人民共和国国家知识产权局

(12)(12)发明专利说明书

(10)申请公布号CN109363640A

(43)申请公布日2019.02.22

(21)申请号CN201811475109.5

(22)申请日2018.12.04

(71)申请人北京贝叶科技有限公司

地址100176北京市朝阳区小红门乡南四环成寿寺路308号城外诚商务楼四层2733号

(72)发明人张晶李伟平郝伟

(74)专利代理机构北京知呱呱知识产权代理有限公司

代理人朱红涛

(51)Int.CI

权利要求说明书说明书幅图

(54)发明名称

基于皮肤病理图像的识别方法及系

(57)摘要

本发明实施例公开了一种基于皮肤

病理图像的识别方法及系统,采用多任务

学习的深度学习技术,依次完成组织区域

分割、病理特征提取和疾病分类识别三个

任务,对应建立组织区域分割模型、病理

特征提取模型和疾病分类模型三个深度学

习模型,遵循了医生临床的结构型式分析

法进行系统化建模,实现了人工智能用于

病理诊断的关键环节和指标可控;组织区

域分割和病理特征提取模型,以像素为最

小单位训练学习,所需样本数量规模可

控,突破了海量样本限制,并且最终学习

结果用于处理病种繁多的炎症性皮肤病病

理特性识别,大大提升我国皮肤病理诊断

和识别效率,自动化技术程度高,可节省

大量的人力、物力资源。

法律状态

法律状态公告日法律状态信息法律状态

发明专利申请公布后的驳回

IPC(主分类):A61B5/00专利申发明专利申请公布后

2022-10-11

请号:2018114751095申请公布的驳回

权利要求说明书

1.基于皮肤病理图像的识别方法,其特征在于,包括如下步骤:

1)数据预处理:

101)根据炎症性皮肤病的亚型所包含的细分类型,选取经临床明确确诊属于所述细

分类型的病例作为对应样本;

102)通过数字切片扫描仪对皮肤病理切片进行扫描,采集并保存扫描的所述皮肤病

理切片的皮肤病理图像样本;

103)对所述皮肤病理图像样本进行组织区域和病理学特征标注,形成组织区域划分

标签和病理学特征标签;

2)生成组织区域分割模型:

根据所述皮肤病理图像样本和组织区域划分标签,应用全卷积神经网络FCN模型进

行皮肤病理图像样本深度学习训练,迭代优化调整网络参数,性能稳定后保存训练为

组织区域分割模型;

3)生成病理特征提取模型:

根据所述皮肤病理图像样本、组织区域划分标签和病理学特征标签,对皮肤病理图

像样本进行深度学习训练,迭代优化调整生成新的网络参数,性能稳定后保存训练为

病理特征提取模型,在获取所述组织区域分割模型后,加载所述病理特征提取模型生

成图像样本的病理学特征结果;

4)生成疾病类型分类模型:

根据所述皮肤病理图像样本、组织区域划分标签、病理学特征标签和图像样本病例

所属亚型的细分类型,对皮肤病理图像样本进行深度学习训练,迭代优化调整网络层

数和宽度,生成权重参数,性能稳定后保存为疾病类型分类模型,在获取所述病理学特

征结果后,加载所述疾病类型分类模型获得最终炎症性疾病的分类识别结果。

2.根据权利要求1所述的基于皮肤病理图像的识别方法,其特征在于,所述步骤101)

中,将炎症性皮肤病分为九个亚型,九个亚型及每个亚型所包含的细分类型如下:

a)真皮浅层血管周围炎:单纯型、界面皮炎型、海绵水肿型、银屑病样型;

b)真皮浅层和深层血管周围炎:单纯型、界面皮炎型、海绵水肿型、银屑病样型;

c)结节性和弥漫性皮炎:结节性、

您可能关注的文档

文档评论(0)

kxg3030 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档