[发明专利]皮肤镜图像识别方法及设备

权利要求书

1.一种皮肤镜图像识别方法，其特征在于，包括：

获取同一被测者在不同时间针对黑色素瘤接受皮肤镜检查得到的两个皮肤镜图像，并且其中包含同一感兴趣目标；

根据所述两个皮肤镜图像得到差异图像；

利用机器学习模型对所述两个皮肤镜图像和所述差异图像进行识别，所述模型包括两个神经网络，其中第一神经网络用于对所述两个皮肤镜图像进行特征提取，得到第一识别结果，并在特征提取过程中确定特征差数据，第二神经网络用于根据所述差异图像和所述特征差数据得到第二识别结果；

根据所述第一识别结果和所述第二识别结果确定关于所述感兴趣目标是否为黑色素瘤的识别结果。

2.根据权利要求1所述的方法，其特征在于，根据所述两个皮肤镜图像得到差异图像，包括：

将两个皮肤镜图像的相应的像素点的值相减得到所述差异图像；

对所述差异图像的像素值进行归一化处理。

3.根据权利要求1所述的方法，其特征在于，在获取两个皮肤镜图像的步骤中对其进行预处理，所述预处理包括以下至少一种操作：调整图像尺寸、对像素值进行归一化处理、色彩矫正、去除所述感兴趣目标上的噪声信息。

4.根据权利要求1所述的方法，其特征在于，根据所述第一识别结果和所述第二识别结果确定关于所述感兴趣目标是否为黑色素瘤的识别结果，包括：

对所述第一识别结果和所述第二识别结果取平均；

将平均结果与设定阈值进行比较以确定所述识别结果，其中所述设定阈值是在训练所述机器学习模型的过程中根据训练数据所确定的阈值。

5.一种皮肤镜图像识别模型训练方法，其特征在于，包括：

获取多个训练数据，所述训练数据包括两个皮肤镜图像及其差异图像，以及用于表示其中同一感兴趣目标的类型的标签信息，所述两个皮肤镜图像是同一被测者在不同时间针对黑色素瘤接受皮肤镜检查得到的图像；

利用所述多个训练数据对机器学习模型进行训练，所述模型包括两个神经网络，其中第一神经网络用于对所述两个皮肤镜图像进行特征提取，得到第一识别结果，并在特征提取过程中确定特征差数据，第二神经网络用于根据所述差异图像和所述特征差数据得到第二识别结果；

根据所述第一识别结果、所述第二识别结果与所述标签信息的差异优化所述模型的参数。

6.根据权利要求5所述的方法，其特征在于，所述差异图像是将所述两个皮肤镜图像的相应的像素点的值相减，并进行归一化处理得到的图像。

7.根据权利要求6所述的方法，其特征在于，在利用所述多个训练数据对机器学习模型进行训练前，对所述两个皮肤镜图像进行预处理，所述预处理包括以下至少一种操作：调整图像尺寸、对像素值进行归一化处理、色彩矫正、去除所述感兴趣目标上的噪声信息。

8.根据权利要求5所述的方法，其特征在于，根据所述第一识别结果、所述第二识别结果与所述标签信息的差异优化所述模型的参数，包括：

对所述第一识别结果和所述第二识别结果取平均得到综合识别结果；

根据所述第一识别结果、所述第二识别结果和所述综合识别结果与所述标签信息的差异优化所述模型的参数。

9.根据权利要求8所述的方法，其特征在于，分别计算根据所述第一识别结果、所述第二识别结果和所述综合识别结果与所述标签信息的损失函数，根据三个损失函数及其对应的权重计算总损失函数，其中所述综合识别结果对应的权重大于所述第一识别结果、所述第二识别结果对应的权重。

10.根据权利要求5所述的方法，其特征在于，获取多个训练数据，包括：

分别获取多个被测者在至少三个不同的时间针对黑色素瘤接受皮肤镜检查得到的至少三个皮肤镜图像；

分别根据相邻时间的皮肤镜图像确定其差异图像。