[发明专利]一种基于人工智能的黑色素瘤辅助诊断方法

摘要

本发明提供一种基于人工智能的黑色素瘤辅助诊断方法，涉及医学影像处理及诊断技术领域。该方法首先对黑色素瘤的皮肤镜图像进行图像预处理和增强，然后对比传统机器学习的分割方法、分类算法及深度学习方法的各个模型，选择出对于黑色素瘤的人工智能诊断，传统机器学习中最优的分割算法，分类算法以及深度学习模型，从而为黑色素瘤的人工智能诊断选择最优方法。本发明基于同一数据集，根据不同的性能指标来对现有黑色素瘤分割方法和分类方法进行对比的技术，最终得出针对黑色素瘤诊断的最优机器学习方法并得到目标图像的分类输出概率。

主权项

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。