[发明专利]一种基于深度学习的手足口病检测系统

权利要求书

1.一种基于深度学习的手足口病检测系统，其特征在于：包括神经网络模型训练模块和手足口病检测模块；

所述神经网络模型训练模块基于手足口病病灶样本集，构造卷积神经网络模型，通过对手足口病病灶样本集内的图像进行分析，得到手足口病的神经网络诊断模型；

所述手足口病检测模块基于输入的图像，利用神经网络诊断模型进行判断，得到手足口病诊断结果。

2.根据权利要求1所述的一种基于深度学习的手足口病检测系统，其特征在于：还包括校正模块，所述校正模块用于医务人员分析修正手足口病诊断结果，并将修正数据反馈至神经网络模型训练模块，神经网络模型训练模块基于修正数据进行神经网络诊断模型的优化。

3.根据权利要求1所述的一种基于深度学习的手足口病检测系统，其特征在于：所述神经网络模型训练模块包括样本获取模块、图像处理模块、训练模块；

所述样本获取模块用于获取手足口病病灶样本集内的训练图像；

所述图像处理模块用于对训练图像进行规范化处理得到规范化图像；

所述训练模块用于对得到的规范化图像进行分析，并结合手足口病病灶样本集内的诊断数据进行持续分析训练，得到神经网络诊断模型。

4.根据权利要求2所述的一种基于深度学习的手足口病检测系统，其特征在于：所述手足口病检测模块包括诊断对象获取模块、图像处理模块、诊断模块；

所述诊断对象获取模块用于获取待诊断的诊断图像；

所述图像处理模块用于对诊断图像进行规范化处理得到规范化图像；

所述诊断模块用于对规范化图像进行分析，并根据神经网络模型分析得出手足口病诊断结果。

5.根据权利要求4所述的一种基于深度学习的手足口病检测系统，其特征在于：所述校正模块将手足口病诊断结果、医务人员分析修正后的手足口病诊断结果、诊断图像作为修正数据反馈给神经网络模型训练模块。

6.根据权利要求3所述的一种基于深度学习的手足口病检测系统，其特征在于：所述规范化处理包括：对手足口病病灶点进行标注，对所述已获取训练图像进行批量处理，包括统一格式、均衡化与去噪，再进行提取候选框和预训练；所述手足口病病灶的标注为对所述训练图像得到的规范化图像进行病灶特征标注，形成病灶信息标签，所述病灶包括手足口病早期、中期和晚期的病变部位，所述标注还包括标签信息及病灶在该规范化图像中的左上角点和右下角点的坐标，所述标签信息是指目标是否属于病灶以及病灶发展阶段的类别信息；所述标注通过K均值算法对自制数据集中手工选取的初始候选框进行聚类分析，找到候选框的统计规律，以聚类个数k为anchor个数，以k个聚类中心box的宽高参数为准修正anchor，得到与规范化图像中病灶形状最相近的初始候选框参数。

7.根据权利要求4所述的一种基于深度学习的手足口病检测系统，其特征在于：所述规范化处理包括：对手足口病病灶点进行标注，对所述已获取诊断图像进行批量处理，包括统一格式、均衡化与去噪，再进行提取候选框和预训练；所述手足口病病灶的标注为对所述诊断图像得到的规范化图像进行病灶特征标注，形成病灶信息标签，所述病灶包括手足口病早期、中期和晚期的病变部位，所述标注还包括标签信息及病灶在该规范化图像中的左上角点和右下角点的坐标，所述标签信息是指目标是否属于病灶以及病灶发展阶段的类别信息；所述标注通过K均值算法对自制数据集中手工选取的初始候选框进行聚类分析，找到候选框的统计规律，以聚类个数k为anchor个数，以k个聚类中心box的宽高参数为准修正anchor，得到与规范化图像中病灶形状最相近的初始候选框参数。

8.根据权利要求3所述的一种基于深度学习的手足口病检测系统，其特征在于：所述训练模块使用Darknet19的前23层网络，构造一个平均池化层和一个全连接层，首先在手足口病病灶样本集上进行预训练，然后在所述训练样本集上进行参数微调，获得手足口病病灶的图像高级特征，输出到下一层神经网络训练模块。