[发明专利]基于深度学习的黑色素瘤识别方法及装置

权利要求书

1.一种基于深度学习的黑色素瘤识别装置，其特征在于，包括：

数据采集模块，用于采集色素痣与黑色素瘤的图像数据；

特征提取模块，用于利用深度残差网络技术，对所述色素痣与黑色素瘤的图像数据进行特征信息的提取，其中特征信息包括表皮颜色、皮损面积、皮损状态和边界；

数据库建立模块，用于将提取后的特征信息与色素痣与黑色素瘤进行对应，建立相应的关系数据库；

关系图建立模块，用于利用贝叶斯网络技术，建立色素痣与黑色素瘤的贝叶斯网络关系图；

认知识别模块，用于根据所述贝叶斯网络关系图建立线性回归决策树分类器，通过所述分类器对色素痣与黑色素瘤图像进行认知识别。

2.根据权利要求1所述的基于深度学习的黑色素瘤识别装置，其特征在于，所述关系图建立模块包括：

关系图建立单元，用于利用贝叶斯网络模型，根据色素痣与黑色素瘤名称、语义特征信息要素，以及特征信息与名称的相互关系，建立各语义特征信息与名称的贝叶斯网络关系图。

3.根据权利要求2所述的基于深度学习的黑色素瘤识别装置，其特征在于，所述关系图建立单元包括：

语义特征信息确定子单元，用于根据色素痣与黑色素瘤症状信息确定语义特征信息作为贝叶斯网络节点变量；

无向图构建子单元，用于统计色素痣与黑色素瘤两两语义特征信息组合出现的频次，如果所述频次大于或者等于预设阈值，则将两语义特征信息进行连接确定一条边，以此类推确定所有边来建立无向图；

有向图构建子单元，用于在确定无向图的所有边后，如果两语义特征信息存在关系，则根据两语义特征信息与给定语义特征信息之间互信息的差值来判断两语义特征信息间的关系方向，从而确定所有边的方向来建立有向图；

关系图构建子单元，用于根据色素痣与黑色素瘤相关知识修正有向图，以得到色素痣与黑色素瘤的特征信息关系图。

4.根据权利要求3所述的基于深度学习的黑色素瘤识别装置，其特征在于，所述无向图构建子单元，还用于执行如下步骤：

在给定节概率分布时，判断两语义特征信息之间的互信息是否为零，如果为零，则两语义特征信息之间条件独立，将两语义特征信息之间的边删除。

5.根据权利要求1所述的基于深度学习的黑色素瘤识别装置，其特征在于，所述数据采集模块，包括：

所述色素痣与黑色素瘤的图像数据包括：人体皮肤各种色素痣与黑色素瘤以及身体各个部位皮肤的色素痣与黑色素瘤图像数据。

6.一种基于深度学习的黑色素瘤识别方法，其特征在于，包括：

采集色素痣与黑色素瘤的图像数据；

利用深度残差网络技术，对所述色素痣与黑色素瘤的图像数据进行特征信息的提取，其中特征信息包括表皮颜色、皮损面积、皮损状态和边界；

将提取后的特征信息与色素痣与黑色素瘤进行对应，建立相应的关系数据库；

利用贝叶斯网络技术，建立色素痣与黑色素瘤的贝叶斯网络关系图；

根据所述贝叶斯网络关系图建立线性回归决策树分类器，通过所述分类器对色素痣与黑色素瘤图像进行认知识别。

7.根据权利要求6所述的基于深度学习的黑色素瘤识别方法，其特征在于，所述利用贝叶斯网络技术，建立色素痣与黑色素瘤的贝叶斯网络关系图，包括：

利用贝叶斯网络模型，根据色素痣与黑色素瘤名称、语义特征信息要素，以及特征信息与名称的相互关系，建立各语义特征信息与名称的贝叶斯网络关系图。