(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210719085.3 (22)申请日 2022.06.23 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 申请人 中南大学湘雅二医院 (72)发明人 黄建华　殷文君　陈建林　黎志宏　 乔政涵　孙希延　符强　王守华　 苏鑫　 (74)专利代理 机构 桂林文必达专利代理事务所 (特殊普通 合伙) 45134 专利代理师 张学平 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 10/25(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于改进的DenseNet网络的皮肤癌图 像分类方法 (57)摘要 本发明涉及分类算法技术领域， 具体涉及一 种基于改进的DenseNet网络的皮肤癌图像分类 方法， 包括对皮肤癌图像进行预处理， 得到数据 增强图像； 将数据增强图像输入Den seNet网络进 行特征提取， 得到图像特征； 基于元数据建立特 征增强模块， 将图像特征输入特征增强模块， 得 到最相关的特征； 将最相关的特征输入分类器， 得到分类结果； 通过本发明的图像特征输入特征 增强模块将获取图像之外的信息以及相关性紧 密的征值， 能够更准确地定位感兴趣的区域， 挖 掘图片间的区别性特征， 实现提高皮肤癌的分类 精度。 权利要求书1页 说明书5页 附图4页 CN 115063633 A 2022.09.16 CN 115063633 A 1.一种基于改进的DenseNet网络的皮肤癌图像分类方法， 其特 征在于， 包括以下步骤： 对皮肤癌图像进行 预处理， 得到数据增强图像； 将所述数据增强图像输入DenseNet网络进行 特征提取， 得到图像特 征； 基于元数据建立特征增强模块， 将所述图像特征输入所述特征增强模块， 得到最相关 的特征； 将所述最相关的特 征输入分类 器， 得到分类结果。 2.如权利要求1所述的基于改进的DenseNet网络的皮肤癌图像分类方法， 其特 征在于， 所述特征增强模块包括乘法融合 块和元数据处理块。 3.如权利要求2所述的基于改进的DenseNet网络的皮肤癌图像分类方法， 其特 征在于， 所述基于元数据建立特征增强模块， 将所述图像特征输入所述特征增强模块， 得到最 相关的特 征的具体方式为： 通过所述乘法融合 块对元数据和所述图像特 征进行加权， 得到 重新加权的特 征值； 通过所述元数据处理块对所述重新加权的特 征值进行筛 选， 得到最相关的特 征。 4.如权利要求3所述的基于改进的DenseNet网络的皮肤癌图像分类方法， 其特 征在于， 所述通过所述乘法融合块对元数据和所述图像特征进行加权， 得到重新加权的特征值 的具体方式为： 通过所述乘法融合 块对所述元 数据依次进行1x1卷积和Relu运 算， 得到初步 运算特征； 通过所述乘法融合块对所述初步运算结果依次进行1x1卷积和进行Sigmod运算， 得到 运算特征； 通过所述乘法融合块将所述图像特征和所述运算特征进行相乘， 得到重新加权的特征 值。 5.如权利要求3所述的基于改进的DenseNet网络的皮肤癌图像分类方法， 其特 征在于， 所述通过所述元数据处理块对所述重新加权的特征值进行筛选， 得到最相关的特征的 具体方式为： 通过所述元数据处理块将元数据分别通过线性函数和归一化函数进行运算， 分别得到 线性特征维度和归一 化特征维度； 通过所述元数据处理块将所述图像特征和所述线性特征维度进行相乘， 得到融合特 征； 通过所述元数据处理块对所述融合特征进行tanh运算后， 与所述归一化特征维度相 加， 得到相加特 征； 通过所述元数据处理块将所述相加特 征进行Sigmod运 算， 得到最相关的特 征值。权　利　要　求　书 1/1 页 2 CN 115063633 A 2一种基于改进的Den seNet网络的皮肤癌图像分类方 法 技术领域 [0001]本发明涉及分类算法技术领域， 尤其涉及一种基于改进的DenseNet网络的皮肤癌 图像分类方法。 背景技术 [0002]现如今， 皮肤癌是最常见的癌症之一， 在皮肤癌中， 黑色素瘤(MEL)是皮肤癌中最 致命的形式， 导致大多 数皮肤癌人群的死亡。 因此黑色素瘤(MEL)越早 发现和诊断可以在很 大程度上提高患者的生存率。 [0003]但是目前在对黑色素瘤的识别中， 大都依赖于皮肤科医生的经验去判断， 这种方 式费时费力， 通常会带有主观意识， 对于缺 乏经验的医生而言， 很有可能会发生误判， 即使 是专家对黑色素瘤(M EL)的诊断准确率 也只有约6 0％。 [0004]为了能够更早的发现和诊断皮肤癌， 实现患者救治， 减少死亡率， 需要对皮肤病变 进行学习分类。 在对皮肤癌进 行检测时， 通常使用皮肤镜进 行检查， 皮肤镜是一种非侵入性 皮肤成像技术， 在皮肤区域中放大照明图片， 以增加皮肤中斑点的清晰度， 通过去除皮肤表 面的反射， 可以增加深层皮肤的视觉效果， 并因此可以提供更多的皮肤损伤的细节。 这种方 式消除了患者在诊断前进行活组织检查的阶段， 从而消除了患者的痛苦。 所以我们希望能 够利用人工智能的方法辅助医生进行诊断。 [0005]现有的分类方法一般是通过卷积神经网络模型对皮肤病变进行分类， 但是此种分 类方法输出 的特征单一， 不能很好的实现黑色素瘤的分类， 容易造成对于黑色素瘤的皮肤 镜图像具有颜色、 纹 理、 形状、 大小等都极为相似的特 征， 很难辨别。 发明内容 [0006]本发明的目的在于提供一种基于改进的DenseNet网络的皮肤癌图像分类方法， 旨 在解决现有的分类方法不能很好的实现黑色素瘤的分类的问题。 [0007]为实现上述目的， 本 发明提供了一种基于改进的DenseNet网络的皮肤癌图像分类 方法， 包括以下步骤： [0008]对皮肤癌图像进行 预处理， 得到数据增强图像； [0009]将所述数据增强图像输入DenseNet网络进行 特征提取， 得到图像特 征； [0010]基于元数据建立特征增强模块， 将所述图像特征输入所述特征增强模块， 得到最 相关的特 征； [0011]将所述最相关的特 征输入分类 器， 得到分类结果。 [0012]其中， 所述特 征增强模块包括乘法融合 块和元数据处理块。 [0013]所述基于元数据建立特征增强模块， 将所述图像特征输入所述特征增强模块， 得 到最相关的特 征的具体方式为： [0014]通过所述乘法融合块对元数据和所述图像特征进行加权， 得到重新加权的特征 值；说　明　书 1/5 页 3 CN 115063633 A 3