[发明专利]一种脂溢性角化和扁平疣病种分类方法

摘要

本发明公开了一种脂溢性角化和扁平疣病种分类方法，首先由标注的少量特征图片与非特征图片，训练出自动增加数据集的增量模型，通过增量模型对未标注的图片进行自动打标签，然后将得到的打好标签的特征图片进行训练，得到深层卷积神经网络分类器，从而为医生的诊断提供高效快速的辅助鉴别方法。

主权项

1.一种脂溢性角化和扁平疣病种分类方法，其特征在于，包括以下步骤：1)采集脂溢性角化和扁平疣病例的共聚焦显微镜图片；2)切割所述共聚焦显微镜图片，得到原始尺寸的共聚焦显微镜图片；3)将采集到的已经标注好的原始尺寸的脂溢性角化和扁平疣的特征图和非特征图片作为两种病的特征图片数据集和非特征图片集，采集的对应两种病的未标注图片作为待标注图片数据集；4)将所述特征图片数据集和非特征图片数据集分别在tensorflow平台上进行训练，得到两个初步的增量模型；5)将两种病所述的待标注图片均分成四个待标注图片数据集，分别从对应病种的四个数据集中选择一个数据集，输入到两个所述初步的增量模型中进行分类和标注，得到脂溢性角化和扁平疣的特征图和非特征图；6)将所述特征图、非特征图对应加入到特征图片数据集和非特征图片数据集中，再分别输入到tensorflow平台上进行训练，得到新的增量模型；7)再从两个病种剩余的三个待标注图片数据集中分别选择一个数据集，输入到所述新的增量模型中进行分类标注，得到脂溢性角化和扁平疣新的特征图和新的非特征图；8)将步骤7)得到的新的特征图和新的非特征图对应加入到步骤6)中的训练数据里，再分别输入到tensorflow平台上进行训练，得到第三次训练的增量模型；9)继续从两个病种剩余的两个待标注图片数据集中分别选择一个数据集，输入到第三次训练的增量模型中进行分类标注，得到脂溢性角化和扁平疣新的特征图和非特征图；10)将步骤9)得到的新的特征图和新的非特征图对应加入到步骤8)中的训练数据里，再分别输入到tensorflow平台上进行训练，得到第四次训练的增量模型；11)将两个病种剩余的最后一个待标注图片数据集输入到第四次训练的增量模型中进行分类标注，得到脂溢性角化和扁平疣第四次标注的特征图和非特征图，此时未标注的图片全部分类标注完成；12)在tensorflow平台上加载Google Inception v3模型；13)将训练数据集加载到Google Inception v3模型进行训练，得到适用于鉴别脂溢性角化和扁平疣的分类器模型；所述训练数据集包括步骤3)标注的特征图以及利用上述所有增量模型标注的特征图；14)将测试图片输入到上述分类器模型中，即得到鉴别的结果。