草草影院欧美,亚洲午夜电影一区二区三区,在线观看永久免费

基于改進(jìn)CapsNet的色素性皮膚病識(shí)別的研究

2020年電子技術(shù)應(yīng)用第11期

李勵(lì)澤，張晨潔，楊曉慧，孫文斌，郭濱

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

摘要： 皮膚病是醫(yī)學(xué)上的常見(jiàn)的、多發(fā)性疾病，因此皮膚檢測(cè)技術(shù)越來(lái)越受關(guān)注。卷積神經(jīng)網(wǎng)絡(luò)是常見(jiàn)的皮膚檢測(cè)方法，其模型結(jié)構(gòu)會(huì)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(dá)空間關(guān)聯(lián)性，每一個(gè)capsule(膠囊)獨(dú)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(jìn)了網(wǎng)絡(luò)模型從而避免過(guò)擬合現(xiàn)象發(fā)生，試圖基于改進(jìn)CapsNet針對(duì)預(yù)處理之后的皮膚圖像進(jìn)行識(shí)別，并與傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的模型作對(duì)比。實(shí)驗(yàn)結(jié)果表明，使用改進(jìn)CapsNet對(duì)色素性皮膚病進(jìn)行識(shí)別可以有較好的識(shí)別效果，并且準(zhǔn)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(shí)別神經(jīng)網(wǎng)絡(luò) 膠囊網(wǎng)絡(luò)

中圖分類號(hào)： TN98；TP391.4
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.200121
中文引用格式： 李勵(lì)澤，張晨潔，楊曉慧，等. 基于改進(jìn)CapsNet的色素性皮膚病識(shí)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(duì)身體的第一層保護(hù)。據(jù)相關(guān)調(diào)查報(bào)告顯示，存在與皮膚相關(guān)的身體健康問(wèn)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?yàn)楹谒睾秃谒丶?xì)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(shí)別難度較大。自從1987年對(duì)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(xiàn)[5]的算法研究中，首先將圖像進(jìn)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(jìn)行訓(xùn)練、分類。文獻(xiàn)[6]利用深度卷積神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)對(duì)皮膚圖像進(jìn)行分類和識(shí)別。文獻(xiàn)[7]利用卷積網(wǎng)絡(luò)的VGG16模型，采取3種不同的方法來(lái)實(shí)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(guó)外的研究要比國(guó)內(nèi)相對(duì)較多，如何用簡(jiǎn)單的算法結(jié)構(gòu)完成精確的識(shí)別是皮膚病檢測(cè)研究的主要問(wèn)題。

在進(jìn)行人臉圖像檢測(cè)時(shí)，傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)只要能夠檢測(cè)出耳朵、眼睛、鼻子、嘴巴便認(rèn)作為人的面部，此方式忽略了這些實(shí)例的空間位置信息，可能會(huì)導(dǎo)致一定的識(shí)別錯(cuò)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(xiàn)[8]中應(yīng)用CapsNet在手語(yǔ)識(shí)別領(lǐng)域已經(jīng)達(dá)到了令人滿意的準(zhǔn)確率。LI Y等人使用CapsNet識(shí)別無(wú)人飛行器拍攝的水稻圖像，既可以預(yù)防害蟲(chóng)與疾病，又能實(shí)時(shí)觀察水稻^[9]。AFSHAR Y等人采用CapsNet對(duì)在腦部的NMR中的腦腫瘤類型進(jìn)行了分類研究，其預(yù)測(cè)精度比傳統(tǒng)方法更高^[10]。文獻(xiàn)[11]將CapsNet用于指靜脈識(shí)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(duì)皮膚圖像進(jìn)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(kāi)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(xì)內(nèi)容請(qǐng)下載:http://www.rjjo.cn/resource/share/2000003052

作者信息：

李勵(lì)澤，張晨潔，楊曉慧，孫文斌，郭濱

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