[发明专利]一种基于人工智能的黑色素瘤辅助诊断方法

权利要求书

1.一种基于人工智能的黑色素瘤辅助诊断方法，其特征在于：该方法包括以下步骤：

步骤1：图像预处理和增强：利用黑色素瘤的皮肤镜图像，进行色彩空间转换，并利用图像直方图对对比度进行调整，增强黑色素瘤图像的对比度；

步骤2：图像分割：采用具有代表性的传统机器学习的分割算法对预处理和增强后的黑色素瘤的皮肤镜图像进行处理，提取出感兴趣区域，并比较各分割算法的处理结果，选取最优的分割结果；所述的分割算法包括主动轮廓模型、Grabcut、区域增长、阈值分割；

步骤3：特征提取：提取出感兴趣区域后，通过特征提取将其转换为具有代表性的计算机可识别的向量，从原始数据中获取最相关的信息；刻画黑色素瘤皮损区域图像的特征包括形状特征、颜色特征以及纹理特征；

步骤4：图像分类：包括常用的传统机器学习的分类方法及其对比和深度学习的分类模型及其对比；选取黑色素瘤计算机辅助诊断常用的分类器SVM、KNN、逻辑回归、决策树(CART)和超限学习机(ELM)，在同等条件下对黑色素瘤图像分类，并对各分类方法的分类结果进行对比；而对于深度学习，在同一条件下对网络模型Alexnet、VGG16、VGG19、Googlenet进行训练并对比其结果；选取传统机器学习和深度学习中的最优机器学习方法，其对应的最优分类结果作为最终的人工智能诊断结果。

2.根据权利要求1所述的基于人工智能的黑色素瘤辅助诊断方法，其特征在于：所述图像分割中分割算法的分割效果根据准确率、特异性和敏感性进行对比，高质量的分割需要最大限度地提高平均准确率、敏感性和特异性。

3.根据权利要求1所述的基于人工智能的黑色素瘤辅助诊断方法，其特征在于：所述特征提取中，对于形状特征，计算感兴趣区域的面积、周长、似圆度、长宽比、矩形度、质心横坐标、质心纵坐标、最小矩形的长、最小矩形的宽、椭圆偏心率、圆的直径、同时在区域和其最小矩形中的像素比例、椭圆的长轴长度、椭圆的短轴长度、椭圆的长轴与x轴的交角、同时在区域和其最小凸多边形中的像素比例得到共计16个形状特征；对于颜色特征，将RGB的感兴趣区域分别转换到HSV和L*a*b颜色空间，分别计算R、G、B、H、S、V和L、a、b各通道的均值、方差、峰度和偏度，得到36个颜色特征；对于纹理特征，计算黑色素瘤图像的熵、能量、对比度、均匀性、相关性均值、最大相关系数、非相似度，得到7个纹理特征。