[发明专利]一种皮肤病影像的病灶定位方法

权利要求书

1.一种皮肤病影像的病灶定位方法，其特征在于，包括以下步骤：

1)使用迁移学习方法将分类器鉴别模型的训练集加载到Google Inception v3模型进行训练，得到适用于被训练的皮肤病的分类器模型；所述分类器模型的训练集包括由皮肤病图像分类得到的特征图像集和非特征图像集；将测试图片输入到分类器鉴别模型中，即得到图片是否为特征图片的鉴别结果；同时，加载正样本和负样本，对所有正样本、负样本进行特征选择与提取，获得正样本、负样本的特征，并进行训练，生成病灶候选框的生成模型；

2)从测试集中选择图片，图片通过病灶候选框的生成模型，在图片上产生一系列的候选框，用背景遮住除要测试的候选框之外的候选框，保证一次只测试一个候选框；

3)将经过步骤2)处理后的图片利用所述分类鉴别模型进行测试，如果测试为特征数据，则测试的候选框为病灶区域，记录候选框位置；反之，不是病灶区域；

4)重复步骤2)和步骤3)，直至测试完所有的候选框；

5)整合记录为病灶区域的候选框，整合后所标记的候选框即为病灶区域。

2.根据权利要求1所述的皮肤病影像的病灶定位方法，其特征在于，所述训练集和测试集的获取过程包括：

1)采集皮肤病图片；

2)切割所述皮肤病图片，得到原始尺寸的共聚焦显微镜图片；

3)选择适量原始尺寸的共聚焦显微镜图片，从中取一部分图片作为测试集，剩下的分为特征图片数据集和非特征图片数据集；所述特征图片数据集和非特征图片数据集共同构成分类鉴别模型的训练集。

3.根据权利要求2所述的皮肤病影像的病灶定位方法，其特征在于，所述正样本、负样本的获取过程包括：对标注为特征图片的数据集进行病灶提取，提取出来的病灶数据集作为病灶候选框的生成模型训练的正样本，非特征图片数据集作为病灶候选框的生成模型训练的负样本。