(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 202210339509.3 (22)申请日 2022.04.01 (71)申请人 安徽建筑大学 地址 230000 安徽省合肥市经济技 术开发 区紫云路292号 (72)发明人 颜普　陈杰　邵慧　徐恒　孙龙　 (74)专利代理 机构 合肥律众知识产权代理有限 公司 34147 专利代理师 赵娟 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/28(2022.01) G06V 10/44(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 5/00(2006.01) G06T 5/30(2006.01) G06T 7/00(2017.01) G16H 50/20(2018.01) (54)发明名称 基于VGG-16融合残差网络的皮肤病识别模 型及辅助诊断平台 (57)摘要 本发明涉及皮肤病识别诊断， 具体涉及基于 VGG‑16融合残差网络的皮肤病识别模型及辅助 诊断平台， 包括依次设置的预处理层CRBM、 卷积 层模块、 平均池化层、 全 连接层和分类器， 预处理 层 C R B M 中 包 括 卷 积 层 、激 活 函 数 、 BatchNormalization层和最大池 化层， 卷积层模 块的后端加入残差网络， 最后一个卷积层模块中 添加BatchNormalization层替换最大池 化层， 全 连接层与分类器之间设置dropout层； 本发明提 供的技术方案能够有效克服现有技术所存在的 不能对皮肤病变图像进行准确识别分类的缺陷。 权利要求书2页 说明书5页 附图3页 CN 114693976 A 2022.07.01 CN 114693976 A 1.基于VGG ‑16融合残差网络的皮肤病识别模型， 其特征在于： 包括依次设置的预处理 层CRBM、 卷积层模块、 平均池化层、 全连接层和分类器， 所述预处理层CRBM中包括卷积层、 激 活函数、 Batch  Normalization层和最大池化层， 所述卷积层模块的后端加 入残差网络， 最 后一个所述卷积层模块中添加Batch  Normalization层替换最大池化层， 所述全连接层与 分类器之间设置dropout层。 2.根据权利 要求1所述的基于VGG ‑16融合残差网络的皮肤病识别 模型， 其特征在于： 所 述预处理层CRBM中的卷积层用于获得丰富的特征图， ReLU激活函数可以改变模型的线性结 构， 增强非线性， 减少过拟合， BatchNormalization层对图像进行归一化， 通过最大池化层 提取病变区域 最具辨别 力的中级语义特 征。 3.根据权利 要求1所述的基于VGG ‑16融合残差网络的皮肤病识别 模型， 其特征在于： 所 述卷积层模块包括卷积层和最大池化层， 所述全连接层为两个。 4.根据权利 要求1所述的基于VGG ‑16融合残差网络的皮肤病识别 模型， 其特征在于： 所 述皮肤病识别模型的训练方法包括： S1、 采集皮损图像数据集， 调整图像大小， 并将皮损图像数据集划分为训练集、 验证集 和测试集； S2、 去除训练集中皮损图像的毛发； S3、 对训练集中的皮损图像进行 数据增强， 以平衡各类皮肤病对应训练集数量； S4、 将处理后的训练集输入皮肤病识别模型进行模型训练； S5、 当验证集的损失值在一段时间内没有变化时保存模型， 完成皮肤病识别模型的训 练。 5.根据权利 要求4所述的基于VGG ‑16融合残差网络的皮肤病识别 模型， 其特征在于： S2 中去除训练集中皮损图像的毛发， 包括： S21、 将RGB源图像转换为灰度图像； S22、 使用blackHat操作检测灰度图像中的毛发轮廓， 根据检测到的毛发轮廓创建掩 码， 掩码是根据周围像素的加权平均值重新计算每 个像素得到的， 使得毛发区域更加突出； S23、 通过二 值化和侵蚀操作进一 步突出毛发区域； S24、 应用基于快速行进方法FMM的图像修复技术， 从源图像中删除仅包含毛发区域的 掩码， 并用毛发区域相邻的像素替换移除的像素。 6.根据权利 要求4所述的基于VGG ‑16融合残差网络的皮肤病识别 模型， 其特征在于： S3 中对训练集中的皮损图像进行 数据增强， 以平衡各类皮肤病对应训练集数量， 包括： 在0° ‑180°范围内， 对非NV疾病的训练集皮损图像采用包括通道变换、 翻转、 大小调整、 随机旋转、 水平和垂直 位移、 随机比例缩放在内的数据增强方法进行 数据增强。 7.一种辅助诊断平台， 其特征在于： 包括毛发去除模块和 识别分类模块， 所述毛发去除 模块对拍摄图像进行去除毛发处理， 并将处理后的图像发送至识别分类模块， 所述识别 分 类模块采用基于VG G‑16融合残差网络的皮肤病识别模型对图像中的皮肤病进行识别分类； 所述基于VGG ‑16融合残差 网络的皮肤病 识别模型包括依次设置的预处理层CRBM、 卷积 层模块、 平均池化层、 全连接层和分类器， 所述预处理层CRBM中包括卷积层、 激活函数、 Batch Normalization层和最大池化层， 所述卷积层模块的后端加入残差网络， 最后一个所 述卷积层模块中添加BatchNormalization层替换最大池化层， 所述全连接层与分类器 之间权　利　要　求　书 1/2 页 2 CN 114693976 A 2设置dropout层。 8.根据权利要求7所述的辅助诊断平台， 其特征在于： 所述毛发去除模块对拍摄图像进 行去除毛发处 理， 包括： 将RGB源图像转换为灰度图像； 使用blackHat操作检测灰度图像中的毛发轮廓， 根据检测到的毛发轮廓创建掩码， 掩 码是根据周围像素的加权平均值重新计算每 个像素得到的， 使得毛发区域更加突出； 通过二值化和侵蚀操作进一 步突出毛发区域； 应用基于快速行进方法FMM的图像修复技术， 从源图像 中删除仅包含毛发区域的掩码， 并用毛发区域相邻的像素替换移除的像素。权　利　要　求　书 2/2 页 3 CN 114693976 A 3