公开(公告)号：CN115511882B

公开(公告)日：2023-03-21

申请号：CN202211396393.3

申请日：2022-11-09

Applicant: 南京信息工程大学

Inventor： 谈玲 ,  吴惠 ,  夏景明

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于病变权重特征图的黑色素瘤识别方法，包括：获取预处理后的皮肤镜图像；将皮肤镜图像输入预先训练获得的FA‑MobileNet神经网络，输出初步识别结果；对初步识别结果进行可视化，将可视化结果输入病变权重指数模块进行处理，获得病变权重特征图；将病变权重特征图再次输入所述FA‑MobileNet神经网络，输出最终识别结果。本发明基于病变权重特征图对图像进行了两次识别，同时FA‑MobileNet模型具有轻量化特点，能够获取精细的多尺度特征，有效提高了黑色素瘤识别的精度和速度。

公开(公告)号：CN115511882A

公开(公告)日：2022-12-23

申请号：CN202211396393.3

申请日：2022-11-09

Applicant: 南京信息工程大学

Inventor： 谈玲 ,  吴惠 ,  夏景明

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于病变权重特征图的黑色素瘤识别方法，包括：获取预处理后的皮肤镜图像；将皮肤镜图像输入预先训练获得的FA‑MobileNet神经网络，输出初步识别结果；对初步识别结果进行可视化，将可视化结果输入病变权重指数模块进行处理，获得病变权重特征图；将病变权重特征图再次输入所述FA‑MobileNet神经网络，输出最终识别结果。本发明基于病变权重特征图对图像进行了两次识别，同时FA‑MobileNet模型具有轻量化特点，能够获取精细的多尺度特征，有效提高了黑色素瘤识别的精度和速度。