[发明专利]基于深度神经网络的黑色素瘤图片组织分割方法和系统

摘要

本发明公开了一种基于深度神经网络的黑色素瘤图片组织分割方法和系统，主要是利用深度神经网络技术来解决黑色素瘤的皮肤镜图片的组织分割问题，是一种用于医学图像的分析处理技术，主要是使用一种改进的深度神经网络结构建模，用已经有分割标签的皮肤镜图片训练该模型，然后训练好的模型对新的皮肤镜图片具有分割可疑组织的能力。本发明方法和系统旨在定位黑色素瘤皮肤镜图片中的可疑区域并对其进行像素级的分割；本发明使用了较新的深度学习技术，充分发挥其采集图像数据各种层次特征的能力，将其应用于建模过程中，能够较好的对可疑的皮肤组织进行定位、分割，能够为皮肤科医师的进一步分析提供很好的参考。

主权项

1.基于深度神经网络的黑色素瘤图片组织分割方法，其特征在于：该方法由一个神经网络实现，此神经网络是一种用于图像语义分割的网络改进而来的深度神经网络，充分利用卷积神经网络能够隐式地进行图像特征提取并从数据中进行学习的优势，在样本数据有限的情况下，对模型进行端到端的训练，直接输出分割结果，最大程度的利用已有的数据，对黑色素瘤的皮肤镜图片进行可疑的皮损区域的组织分割；该方法能够把一张输入图片映射成另一张图片输出，输入的图片就是原始皮肤镜图片，输出图片就是分割后的图片，且输出图片是黑白两种颜色组成的单通道图片，其中，白色代表需要分割的可疑组织区域，黑色代表正常皮肤区域；所述方法按如下具体步骤执行：1)构建一种深度神经网络；2)加载皮肤镜数据，并把数据分成训练集、验证集和测试集，并对数据进行预处理；3)把步骤2)中准备好的训练集数据按某一指定批量的大小输入深度神经网络进行训练；4)在每次批处理训练后，用步骤2)中准备好的训练集和验证集上作网络前向运算，预测训练集和验证集的样本标记，根据评价指标绘制学习曲线，以此检验模型的泛化能力；同时使用“早停”机制，当经过设定的训练轮数，模型的评价指标没有提升的话，就使用验证集评价指标最高的一轮训练结果作为最终网络；5)当达到指定训练轮数或者“早停”机制启动之后或者用步骤2)中准备好的测试集进行测试模型效果，得到最终的神经网络模型；6)当需要对皮肤镜图片进行皮损区域分割的时候，将其输入最终得到的神经网络模型，直接输出分割结果。