成人在线一区二区三区,日本一级毛片在线观看,99成人在线

基于改進CapsNet的色素性皮膚病識別的研究

2020年電子技術(shù)應(yīng)用第11期

李勵澤，張晨潔，楊曉慧，孫文斌，郭濱

長春理工大學(xué) 電子信息工程學(xué)院，吉林長春130022

摘要： 皮膚病是醫(yī)學(xué)上的常見的、多發(fā)性疾病，因此皮膚檢測技術(shù)越來越受關(guān)注。卷積神經(jīng)網(wǎng)絡(luò)是常見的皮膚檢測方法，其模型結(jié)構(gòu)會丟失很多信息。CapsNet(膠囊網(wǎng)絡(luò))是在卷積神經(jīng)網(wǎng)絡(luò)之后的一種新的神經(jīng)網(wǎng)絡(luò)。CapsNet的矢量化特征能夠較好地表達空間關(guān)聯(lián)性，每一個capsule(膠囊)獨立地服務(wù)各自的任務(wù)。分析了CapsNet的基本結(jié)構(gòu)和主要算法，改進了網(wǎng)絡(luò)模型從而避免過擬合現(xiàn)象發(fā)生，試圖基于改進CapsNet針對預(yù)處理之后的皮膚圖像進行識別，并與傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的模型作對比。實驗結(jié)果表明，使用改進CapsNet對色素性皮膚病進行識別可以有較好的識別效果，并且準確率比傳統(tǒng)方法高出8%～10%。

關(guān)鍵詞： 色素性皮膚病皮膚圖像識別神經(jīng)網(wǎng)絡(luò) 膠囊網(wǎng)絡(luò)

中圖分類號： TN98；TP391.4
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200121
中文引用格式： 李勵澤，張晨潔，楊曉慧，等. 基于改進CapsNet的色素性皮膚病識別的研究[J].電子技術(shù)應(yīng)用，2020，46(11)：60-64.
英文引用格式： Li Lize，Zhang Chenjie，Yang Xiaohui，et al. Pigmented skin lesion recognition based on improved CapsNet[J]. Application of Electronic Technique，2020，46(11)：60-64.

Pigmented skin lesion recognition based on improved CapsNet

Li Lize，Zhang Chenjie，Yang Xiaohui，Sun Wenbin，Guo Bin

School of Electronics and Information Engineering, Changchun University of Science and Technology，Changchun 130022，China

Abstract： Dermatosis is a common and multiple disease in medicine, so skin detection technology has attracted more and more attention. Convolutional neural network is a common skin detection method, and its model structure will lose a lot of information. CapsNet is a new kind of neural network after convolutional neural network. The vectorization of CapsNet can better express the spatial relevance, with each capsule serving its own mission independently. This paper analyzed the basic structure and main algorithm of CapsNet, the network model was improved to avoid over fitting, and tried to identify the pre-processed skin image based on improved CapsNet, and compared it with the model of traditional convolutional neural network. Experimental results show that improved CapsNet can be used to identify pigmented skin diseases with good effect, and the accuracy is about 8～10 percent higher than the traditional method.

Key words : pigmented skin lesion；skin image recognition；neural network；CapsNet

0 引言

皮膚在身體上屬于最大的器官，是對身體的第一層保護。據(jù)相關(guān)調(diào)查報告顯示，存在與皮膚相關(guān)的身體健康問題的人類在全世界占據(jù)了30%～70%^[1]。色素性皮膚病的形成是因為黑素和黑素細胞出現(xiàn)異常，皮膚的顏色變化與病灶的而改變息息相關(guān)，因此識別難度較大。自從1987年對色素性皮膚病的分類研究^[2]出現(xiàn)之后，陸續(xù)出現(xiàn)了大量的皮膚病圖像診斷技術(shù)的研究成果^[3-4]。在文獻[5]的算法研究中，首先將圖像進行預(yù)處理，然后將利用卷積神經(jīng)網(wǎng)絡(luò)提取出的人臉特征進行訓(xùn)練、分類。文獻[6]利用深度卷積神經(jīng)網(wǎng)絡(luò)和支持向量機對皮膚圖像進行分類和識別。文獻[7]利用卷積網(wǎng)絡(luò)的VGG16模型，采取3種不同的方法來實現(xiàn)皮膚鏡二分法，其結(jié)果顯著提升。在皮膚病診斷領(lǐng)域的算法研究較為復(fù)雜，而且國外的研究要比國內(nèi)相對較多，如何用簡單的算法結(jié)構(gòu)完成精確的識別是皮膚病檢測研究的主要問題。

在進行人臉圖像檢測時，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)只要能夠檢測出耳朵、眼睛、鼻子、嘴巴便認作為人的面部，此方式忽略了這些實例的空間位置信息，可能會導(dǎo)致一定的識別錯誤。目前CapsNet技術(shù)已經(jīng)比較成熟，其應(yīng)用也比較廣泛。文獻[8]中應(yīng)用CapsNet在手語識別領(lǐng)域已經(jīng)達到了令人滿意的準確率。LI Y等人使用CapsNet識別無人飛行器拍攝的水稻圖像，既可以預(yù)防害蟲與疾病，又能實時觀察水稻^[9]。AFSHAR Y等人采用CapsNet對在腦部的NMR中的腦腫瘤類型進行了分類研究，其預(yù)測精度比傳統(tǒng)方法更高^[10]。文獻[11]將CapsNet用于指靜脈識別算法中，最終得到的精確度比VGG方法高出了13.6%。本文將使用膠囊網(wǎng)絡(luò)對皮膚圖像進行處理，減少算法疊加的重復(fù)性，為人臉皮膚圖像處理領(lǐng)域打開新的大門，為后續(xù)的皮膚病診斷工作提供良好的基礎(chǔ)。

本文詳細內(nèi)容請下載:http://m.rjjo.cn/resource/share/2000003052

作者信息：

李勵澤，張晨潔，楊曉慧，孫文斌，郭濱

(長春理工大學(xué) 電子信息工程學(xué)院，吉林長春130022)

原創(chuàng)聲明：此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容