申请/专利权人：中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所);南京所由所以信息科技有限公司

申请日：2020-12-17

公开（公告）日：2024-03-29

公开（公告）号：CN112669959B

主分类号：G16H50/20

分类号：G16H50/20;G06T7/00;G06V10/25;G06V10/774;G06V10/82;G06N3/0464;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2021.05.04#实质审查的生效;2021.04.16#公开

摘要：一种基于图像的白癜风病情自动评估方法，本方法首先采用YOLOV3网络对图像中皮肤进行检测得到白癜风区域，然后应用UNet++网络对白癜风区域进行精细分割，得到白癜风的精准区域，然后再计算白癜风区域像素面积，作为评估白癜风病情的指标，从而实现基于图像自动评估患者的白癜风病情。本发明操作自动简便，摆脱以往繁复的操作流程，用白癜风白斑面积作为评估标准更加客观真实，该评估方法也可以用于以白癜风为代表的其他色素性皮肤。

主权项：1.一种基于图像的白癜风病情自动评估方法，其特征在于，本方法首先采用YOLOV3网络对照片中皮肤进行检测得到白癜风区域，然后应用UNet++网络对白癜风区域进行精细分割，得到白癜风的精准区域，然后再计算白癜风区域像素面积，作为评估白癜风病情的指标，从而实现基于图像自动评估患者的白癜风病情；方法包括如下步骤：步骤1：对待评估的白癜风患者图像进行白癜风区域的检测；步骤1.1准备训练检测网络的数据集：采集多位白癜风患者的共2000张白癜风的数码照片，使用label-image软件将采集的2000张照片的白癜风区域进行框定标注，分为训练集、测试集和验证集，数据集间无交叉，完全独立；步骤1.2用上述标注好的数据集对YOLOV3神经网络进行训练：首先使用卷积层对输入到网络的训练集照片提取细小的特征，得到照片的特征图；然后将照片以特征图的大小分成多个小方格，若标注图中某个待检测区域的中心坐标落在某一个小方格中，就由该小方格来对此待检测区域进行预测，每个小方格都会预测一定个数的外接矩形框；YOLOV3中对小方格的预测的外接矩形框是3个，并且这些预测外接矩形框的初始大小都不同，预测框中只有和真值的IOU最大的外接矩形框才是用来预测目标的；步骤1.3训练完成后用验证集照片进行验证，对出现的错标、漏标情况进行分析：进行数据集的扩充以及对模型算法进行修改和优化，对错标、漏标图片进行纠正，然后再投入模型中进行学习训练，反复进行多轮，最后将待检测患者的照片通过检测模型，得到白癜风检测的结果；步骤2：对获得的白癜风区域进行高精度的白斑分割；步骤2.1准备训练分割网络的数据集：采集多位白癜风患者的1000张临床照片，通过光影魔术手手动对白癜风白斑区域进行分割出来作为样本，选取的白癜风区域大部分位于图片中心，且没有衣物、头发遮挡物；这些样本中80％作为训练集用于训练模型，10％作为测试集用于测试模型表现是否良好，10％作为验证集用来对模型进行调整优化，各个数据集之间无交叉且完全独立；步骤2.2用上述分割好的数据集对UNet++神经网络进行训练：首先进行数据集的扩充，需要注意图像的平移和旋转不变性，接着在3×3的网格上使用随机位移矢量进行变形操作，然后使用三次插值法计算每个像素的位移，训练时使用图块，将批处理减少为单图像处理，最后通过UNet++里面的参数，在训练集上将输入与真实输出进行非线性映射，得到参数用来预测测试集中的数据，从而完成白癜风区域的预测诊断；步骤3：对分割获得的白癜风白斑进行面积计算，得到的结果作为白癜风病情的评估指标，进而对病情进行评估；步骤3.1计算皮损区域面积：将UNet++分割出来的白癜风白斑区域定位到患者图片的具体位置上，然后将除了该白癜风区域的其他区域的像素值都赋值为0，即黑色；步骤3.2在待评估患者的照片上依次遍历，计算该照片上像素值，即白色像素的个数，最后的总和即视为白癜风白斑区域的面积；步骤3.3根据像素值判断病情；临床医生根据获得的白癜风白斑区域面积直观的判断患者病情。

全文数据：

权利要求：

百度查询： 中国医学科学院皮肤病医院(中国医学科学院皮肤病研究所);南京所由所以信息科技有限公司 一种基于图像的白癜风病情自动评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD