[发明专利]基于深度学习的皮肤癌识别系统在审
| 申请号： | 201710620444.9 | 申请日： | 2017-07-26 |
| 公开（公告）号： | CN107480769A | 公开（公告）日： | 2017-12-15 |
| 发明（设计）人： | 彭逢安;邝洋辉;李鑫 | 申请（专利权）人： | 广州慧扬健康科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/62 |
| 代理公司： | 深圳市合道英联专利事务所(普通合伙)44309 | 代理人： | 廉红果 |
| 地址： | 510000 广东省广州市黄埔区茅岗村坑*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 深度 学习 皮肤癌 识别 系统 | ||
1.一种基于深度学习的皮肤癌识别系统，其特征在于：包括图像输入模块、CNN卷积神经网络模块以及推断模块，所述图像输入模块与CNN卷积神经网络模块连接，所述CNN卷积神经网络模块与推断模块连接，其中，
所述图像输入模块：用于根据代码映射关系，读取DICOM图像文件的文件头中的各项基本信息，注册于识别记录表中；完成图像注册后，图像输入模块从DICOM图像文件中读取出其中的像素点，转换至皮肤癌识别系统内置的矩阵存储器中，转换为矩阵，便于下一步CNN卷积网络模块对该矩阵的特征提取；
所述CNN卷积神经网络模块：包括四个卷积层，三个max pooling层，一个全连接层以及最底层的输入层，输入层输入所述矩阵，经过四个卷积层和三个max pooling层卷积处理后，抓取到用来识别图像的特征之后对图像进行分类，全连接层将max pooling层的输出转换为一个一维向量，并且用激活函数stochastic求出输入的图像属于某一种疾病的概率；
所述推断模块：用于将CNN卷积神经网络模块得出的概率转化为具体的诊断。
2.根据权利要求1所述的基于深度学习的皮肤癌识别系统，其特征在于：所述卷积层卷积时，在矩阵边缘加上一个边缘层，帮助控制卷积输出的特征图的尺寸大小。
3.根据权利要求1所述的基于深度学习的皮肤癌识别系统，其特征在于：所述Max pooling层用于舍弃掉图片不重叠地分隔的多个大小相同的小块中的不必要的结点，减少不必要的参数。
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广州慧扬健康科技有限公司，未经广州慧扬健康科技有限公司许可，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/pat/books/201710620444.9/1.html，转载请声明来源钻瓜专利网。
