(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 20221049839 2.3 (22)申请日 2022.05.09 (71)申请人 天津大学 地址 300350 天津市津南区雅观路13 5号天 津大学北洋园校区5 5号教学楼 (72)发明人 魏建国　李梅　张宇　孔祥君　 顾安康　 (74)专利代理 机构 徐州拉沃智佳知识产权代理 有限公司 3245 5 专利代理师 刘鹏 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06V 10/44(2022.01) G06V 10/77(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 基于改进残差网络的甲真菌病初筛检测的 方法 (57)摘要 本发明公开了一种基于改进残差网络的甲 真菌病初筛检测的方法， 包括以下步骤： 制作甲 真菌病图像数据集； 将对图像数据集输入到特征 提取器， 进行特征提取； 分类器对特征进行整 合； 计算当前值与真实值之间的差值。 本发明使用基 于轻量注 意力机制的特征提取器提取相关特征， 将其输入改进分类器中进行分类， 使用正则化损 失函数来规范网络的输出预测。 通过前向和反向 传播机制学习识别甲真菌病图像中的有效特征， 以实现甲真菌病初筛分类的自动判别。 权利要求书1页 说明书4页 附图2页 CN 114820545 A 2022.07.29 CN 114820545 A 1.一种基于改进残差网络的 甲真菌病初筛检测的方法， 其特 征在于， 包括以下步骤： S1） 制作甲真菌病图像数据集； S2） 将对步骤S1） 获得的图像数据集输入到特 征提取器， 进行 特征提取； S3） 分类器对步骤S2） 获得的特征进行整合： 将步骤S2） 中降维后的特征输入到改进分 类器模块中， 模块中的双重全连接层能够 对多个局部特征进 行整合， 找到通道间的相关性， 将特征向量映射到样本类别空间进行有效的分类； S4） 计算当前值与真实值之间的差值： 模型在训练样本的输入图像和相应的类别标签 的基础上， 通过前向和反向传播机制学习识别甲真菌病图像中的有效特征， 使用正则化损 失函数来 规范网络的输出 预测， 优化模型的权 重参数， 提高甲真菌病分类的准确性。 2.如权利要求1所述的基于改进残差网络的甲真菌病初筛检测的方法， 其特征在于， 步 骤S3） 中， 还能利用Dropout技 术随机抛 弃网络节点， 避免参数 过多导致过拟合。 3.如权利要求1所述的基于改进残差网络的甲真菌病初筛检测的方法， 其特征在于， 步 骤S1） 中的具体步骤如下： S11） 首先按照要求获取公开的甲真菌病样本， 进行去除脏数据和批处理标准化的操 作， S12） 再使用目标检测模型自动识别指甲位置并裁 剪， 完成数据集样本的扩充和统一， S13） 最后通过医生对数据进行重标注， 获得甲真菌病图像数据集。 4.如权利要求1所述的基于改进残差网络的甲真菌病初筛检测的方法， 其特征在于， 步 骤S2） 中的具体步骤如下： S21） 训练集中的数据依次流经网络中每一个卷积模块， 输入图像先进入第1个卷积模 块Block1； S22） 再将 特征送入4个卷积模块B lock2、 Block3、 Block4和 Block5， 其实现过程可见图1 的左下角。 5.如权利要求4所述的基于改进残差网络的甲真菌病初筛检测的方法， 其特征在于， 所 述卷积模块Bl ock1由64个步长为2、 大小为7x7的大 卷积核组成。 6.如权利要求4所述的基于改进残差网络的甲真菌病初筛检测的方法， 其特征在于， 所 述卷积模块Block2、 Block3、 Block4和Block5分别由3、 4、 6、 3个轻量注意力残差块组成， 其 中， 轻量注意力残差块是通过加入E CA模块实现的。 7.如权利要求1所述的基于改进残差网络的甲真菌病初筛检测的方法， 其特征在于， 所 述分类器中处理数据的具体步骤为： S31） 先对输入的特 征图进行扁平化处 理， 把一维数组被输入到第一个全连接层中， S32） 再经过ReLU激活函数和Dropout层后被送入另一个全连接层， S33） 将特征向量映射到样本类别空间进行甲真菌病的二分类。权　利　要　求　书 1/1 页 2 CN 114820545 A 2基于改进残差网 络的甲真 菌病初筛检测的方 法 技术领域 [0001]本发明属于计算机视觉与医学图像分析技术领域， 具体涉及一种基于改进残差网 络的甲真菌病初筛检测的方法。 背景技术 [0002]甲真菌病是由皮肤癣菌、 酵母菌和其他霉菌侵犯甲板和甲床所致的病变， 它是皮 肤科中最常见的疾病， 具有高传染性和高发病率。 甲真菌病占所有甲病的50%和所有皮肤感 染的10%， 患病人数约占世界人口的  2%  ‑ 18%。 在甲真菌病的患病初期无明显的炎症反应 和疼痛感， 这导致很多患者对该病存在一定的认知误区， 认为甲真菌病只是影响指甲的外 观。 但是若患者不及时接受治疗， 会导致一系 列严重后果。 甲真菌病作为一种在老年人中频 发的高传染性疾病， 随着世界人 口老龄化的趋势正不断扩散， 这将会给医疗系统带来极大 压力。 由于患病人数逐年增多且甲真菌病具有高传染性， 如不及时治疗， 任其造成大范围感 染， 将会给医疗系统带来巨大压力。 若能及早 发现甲真菌病并进 行治疗， 会极大地降低这种 传染病带来的危害， 减少医疗成本 。 [0003]目前， 皮肤科医生主要通过实验室真菌镜检、 真菌培养或组织病理学等手段来诊 断甲真菌病， 这通常需要患者去医院完成检测。 对甲真菌病认知不足、 就诊费用高、 候诊时 间久等各种原因， 造成了患者去医院进 行甲真菌病早期 筛查意愿低下的现状。 因此， 寻找更 简单快捷的方法来进行 甲真菌病的初筛十分重要。 然而， 甲真菌病的初筛检测往往面临着 诸多挑战， 如甲真菌病没有公开数据集、 标记样本稀缺、 易与其他甲病相混淆、 现有分类网 络过于重量级、 先验知识不充分等， 如何制作合适的数据集和探究更有效、 更轻量的甲真菌 病分类方法， 并将其应用于甲真菌病的初筛检测中， 是当前面临的重要问题之一。 [0004]近几年来， 随着高新技术的发展和数字时代的来临， 在科学、 工业和医学等各个领 域再次掀起技术革新浪潮。 深度学习由于其自动学习 特征的能力和优越的性能， 使医学图 像计算方法产生了革命性改变。 它在医学图像分类、 分割和配准等 都取得了很多成果， 在病 理学、 眼科、 放射科和皮肤等医学影像领域表现出色。 因此， 针对甲真菌病初筛检测问题， 提 出一个基于轻量注意力和正则化改进的残差网络， 通过该网络搭建甲真菌病分类算法框 架。 发明内容 [0005]为了解决甲真菌病的初筛检测中的问题， 本发明提供一种基于改进残差网络的甲 真菌病初筛检测的方法， ， 来实现甲真菌病的二分类问题。 [0006]为了达到上述目的， 本发明技 术方案如下： 一种基于改进残差网络的 甲真菌病初筛检测的方法， 包括以下步骤： S1） 制作甲真菌病图像数据集； S2） 将对步骤S1） 获得的图像数据集输入到特 征提取器， 进行 特征提取； S3） 分类器对步骤S2） 获得的特征进行整合： 将步骤S2） 中降维后的特征输入到改说　明　书 1/4 页 3 CN 114820545 A 3