[发明专利]一种半监督特征学习的黑色素瘤自动检测方法在审
| 申请号： | 201711374297.8 | 申请日： | 2017-12-19 |
| 公开（公告）号： | CN108053398A | 公开（公告）日： | 2018-05-18 |
| 发明（设计）人： | 孙伟;徐慧;张小瑞;宋爱国;牛建伟;马瑞;占怡 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06T7/194;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 徐激波 |
| 地址： | 210019 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种半监督特征学习的黑色素瘤自动检测方法，包括以下步骤：A.图像预处理：包括图像去噪、毛发消除和尺度归一化；B.病变区域分割：采用基于色差改进的GrabCut算法，先对图像前景进行初始估计，再将初始估计作为GrabCut算法输入进行前景分割，改进方法能自动提取前景目标，避免用户交互；C.特征提取与分类：采用CNN模型对图像特征进行半监督学习，该模型分训练和测试两个阶段，其中训练模型是先将图像放入搭建好的模型中进行前向特征提取，再将提取的特征放入SVM分类器中训练，测试模型则输入未知图片，完成黑色素瘤检测工作。本发明实现计算机辅助诊断皮肤病技术，提高诊断效率，同时实现远程医疗。 | ||
| 搜索关键词： | 一种 监督 特征 学习 黑色素瘤 自动检测 方法 | ||
【主权项】：
1.一种半监督特征学习的黑色素瘤自动检测方法，包括以下步骤：A.图像预处理包括图像去噪、毛发消除和尺度归一化；B.病变区域分割采用基于色差改进的GrabCut算法，先对图像前景进行初始估计，再将初始估计作为GrabCut算法输入进行前景分割；C.特征提取与分类采用CNN(Convolutional Neural Network，卷积神经网络)模型对图像特征进行半监督学习，该模型分训练和测试两个阶段，其中训练模型是先将图像放入搭建好的模型中进行前向特征提取，再将提取的特征放入SVM分类器中训练，测试模型则输入未知图片，完成黑色素瘤检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京信息工程大学，未经南京信息工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711374297.8/，转载请声明来源钻瓜专利网。
