[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： | 本发明公开一种基于深度学习的皮肤癌识别系统，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，图像输入模块用于读取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并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；CNN卷积神经网络模块的输入层输入矩阵，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；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。 | ||
| 搜索关键词： | 基于 深度 学习 皮肤癌 识别 系统 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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/patent/201710620444.9/，转载请声明来源钻瓜专利网。
