[发明专利]使用机器学习模型来诊断皮肤状况

权利要求书

1.一种诊断输入图像中的重叠皮肤异常的方法，所述方法包括：

从客户端设备接收诊断输入图像中的皮肤异常的请求，所述输入图像包括患者皮肤上的重叠皮肤异常；

从数据库访问机器学习模型集，每个机器学习模型包括相应的已训练权重集；

通过将所述机器学习模型集应用到所述输入图像，生成对所述输入图像中的两个或更多皮肤异常中的每个皮肤异常的相应预测，预测指示两个或更多皮肤异常中的相应皮肤异常在所述输入图像中被示出的可能性；

从对所述输入图像的所述预测生成对所述重叠皮肤异常的诊断；以及

向所述客户端设备提供所述诊断。

2.根据权利要求1所述的方法，其中所述机器学习模型集是神经网络模型的集成集，并且其中生成对所述两个或更多皮肤异常的所述预测还包括：

对于所述集成集中的每个神经网络模型，通过将所述神经网络模型应用到所述输入图像，从所述神经网络模型生成一个或多个预测，以及

组合针对所述神经网络模型的所述集成集的预测，以生成对所述两个或更多皮肤异常的所述预测。

3.根据权利要求1所述的方法，其中所述机器学习模型集包括第二机器学习模型和第三机器学习模型，并且其中生成对所述两个或更多皮肤异常的所述预测还包括：

通过将所述第二机器学习模型应用到所述输入图像来生成图像张量，所述图像张量表征所述输入图像中的多个空间特征，

从所述图像张量提取多个分量，

生成针对所述两个或更多皮肤异常中的每个皮肤异常的相应张量，以及

通过将所述第三机器学习模型应用到针对所述两个或更多皮肤异常中的每个皮肤异常的所述相应张量，来生成对所述两个或更多皮肤异常的所述预测。

4.根据权利要求3所述的方法，其中通过对所述图像张量执行独立分量分析(ICA)来从所述图像张量提取所述多个分量。

5.根据权利要求3所述的方法，其中用于所述第二机器学习模型和所述第三机器学习模型的所述已训练权重集被联合地训练。

6.根据权利要求1所述的方法，其中所述机器学习模型集包括循环神经网络模型，并且其中生成对所述两个或更多皮肤异常的所述预测还包括：

重复地将所述循环神经网络模型应用到所述输入图像，以在第一时间生成对所述两个或更多皮肤异常中的第一皮肤异常的相应预测，并且在所述第一时间之后的第二时间，生成对所述两个或更多皮肤异常中的第二皮肤异常的相应预测。

7.根据权利要求1所述的方法，其中所述机器学习模型集包括第二机器学习模型、第三机器学习模型和第四机器学习模型，并且其中生成对所述两个或更多皮肤异常的所述预测还包括：

生成对所述输入图像包括无定形皮肤异常还是局部异常的预测；以及

响应于确定所述输入图像包括无定形皮肤异常，通过将所述无定形异常模型应用到所述输入图像来生成对所述无定形皮肤异常的预测；

响应于确定所述输入图像包括局部皮肤异常，通过将所述局部异常模型应用到所述输入图像来生成对所述局部皮肤异常的预测。

8.根据权利要求1所述的方法，其中所述机器学习模型集中的至少一个机器学习模型被配置为神经网络架构，所述神经网络架构包括一组节点层，每一层经由权重的子集连接到前一层。

9.根据权利要求1所述的方法，其中所述输入图像是以下之一：放射学图像、计算机断层(CT)扫描、医学共振成像(MRI)扫描、X射线图像、超声波或超声检查图像、触觉图像，或热成像图像。

10.根据权利要求1所述的方法，其中所述输入图像是由所述客户端设备的用户捕获的图像，其中所述客户端设备是智能电话。