买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安工业大学

摘要：本发明涉及一种基于深度学习多特征融合的口腔粘膜性疾病识别方法。本发明能够用于对口腔白斑、口腔扁平苔藓、口腔癌和复发性口腔溃疡进行诊断识别，提高了诊断的效率，提升了识别的准确率。本发明具体方案为1在白光下通过相机采集口腔黏膜性疾病图像；2对采集的图像进行预处理，3使用灰度共生矩阵GLCM算法提取四种口腔疾病的纹理特征，对HOG、HSV图像利用神经网络模型提取出形状和颜色的底层特征；4使用Efficientnet网络模型做RGB图像的高层特征的提取；5利用皮尔逊系数结合随机森林算法进行特征选择，选取与目标值关系更大的特征；6进行分类识别对训练集进行训练；7利用划分好的测试集图像对完成训练的模型进行测试验证。

主权项：1.一种基于深度学习多特征融合的口腔粘膜性疾病识别方法，其特征在于：方法步骤为：1在白光下由专业医生通过相机进行拍摄，采集口腔黏膜性疾病图像，组成训练数据集；2对采集的图像进行预处理，对图像进行数据增强，使用五种数据增强算法，将扩增后的数据集按照7:3划分为训练集和测试集；3传统特征提取，使用灰度共生矩阵GLCM算法提取口腔疾病的纹理特征，对HOG、HSV图像利用神经网络模型提取出形状和颜色的底层特征；4使用Efficientnet网络模型做RGB图像的高层特征的提取；5特征选择：将获得的颜色特征、形状特征、纹理特征的底层特征以及深度学习的高层特征拼接在一起，选出具有代表性的特征向量，同时使特征降维；6将步骤5中经过特征选择的特征后面加上SVM、随机森林、朴素贝叶斯传统分类器进行分类识别与测试验证；7用步骤2中划分好的测试集图像对步骤6中不同分类器训练完成的模型进行测试；所述的步骤3的具体方法为：3.1灰度共生矩阵：采用对比度、能量、熵、相关性四个特征量来描述图像的纹理特征，对比度表达式：能量表达式：熵表达式：相关性表达式：采用灰度共生矩阵在0°，45°，90°，135°四个方向上提取四个特征量纹理能量、对比度、纹理熵和相关性，还需提取包括差异性、同质性、协方差、纹理均值和逆差分矩共40维特征向量；3.2HOG形状特征：搭建神经网络模型提取HOG形状特征，HOG特征计算公式为：Gxx，y＝Hx+1，y-Hx-1，yGyx，y＝Hx，y+1-Hx，y-13.3HSV颜色特征：将口腔图像从RGB颜色空间转化为HSV颜色空间，经过步骤3.2自构建的卷积神经网络得到颜色特征向量，HSV的转换公式为：

全文数据：

权利要求：

百度查询： 西安工业大学 一种基于深度学习多特征融合的口腔粘膜性疾病识别方法