[发明专利]一种皮肤病图像分类方法

权利要求书

1.一种皮肤病图像分类方法，其特征在于，包括如下步骤：

步骤S01选取图像预处理方式：针对皮肤病图像具体分析，选取预处理方式；

步骤S02选择组件分类器：选择深度卷积神经网络作为组件分类器，设计整体模型结构；

步骤S03选择训练方式和整体模型结构：根据预处理方式的复杂程度及计算机的承受能力，确定训练模型的方式；

步骤S04模型训练：使用训练集训练端对端模型；

步骤S05新样本预测：使用训练好的模型对测试集进行预测，完成图像分类任务。

2.根据权利要求1所述的一种皮肤病图像分类方法，其特征在于，所述步骤S01中，预处理方式包括：图像颜色平衡、去除毛发和疾病区域检测；

其中，所述图像颜色平衡通过simplest color balance或gray world算法，用于提升图片质量；所述去除毛发通过掩膜重建算法，用于将图片进行降噪；所述疾病区域检测通过overfeat或RCNN算法，用于统一皮肤病图片的尺寸规则。

3.根据权利要求1所述的一种皮肤病图像分类方法，其特征在于，所述步骤S03中，通过组件分类器提取图像特征，再进行拼接或其他组合；所述组件分类器为深度卷积网络ResNet。

4.根据权利要求1所述的一种皮肤病图像分类方法，其特征在于，所述步骤S04中，模型训练方法包括：

方法一：

步骤S11经过不同预处理的图像训练组件ResNet，标签与原图像相同；

步骤S12获取各个组件ResNet的特征层拼接到一起，对应原图像的标签；

步骤S13添加若干层全连接层，训练人工神经网络；

步骤S14根据整体模型分类表现，交替调整特征层和人工神经网络；

步骤S15固定各部分的参数，将整体作为预测模型；

方法二：

步骤S21将组件ResNet的输出层去掉，并将特征层拼接在一起；

步骤S22再添加若干层全连接层；

步骤S23添加一个输出层；

步骤S24将模型作为一个整体来训练，并直接实现端到端的预测。