文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200121
中文引用格式： 李勵澤，張晨潔，楊曉慧，等. 基于改進CapsNet的色素性皮膚病識別的研究[J].電子技術應用，2020，46(11)：60-64.
英文引用格式： Li Lize，Zhang Chenjie，Yang Xiaohui，et al. Pigmented skin lesion recognition based on improved CapsNet[J]. Application of Electronic Technique，2020，46(11)：60-64.
0 引言
皮膚在身體上屬于最大的器官，是對身體的第一層保護。據相關調查報告顯示，存在與皮膚相關的身體健康問題的人類在全世界占據了30%～70%[1]。色素性皮膚病的形成是因為黑素和黑素細胞出現異常，皮膚的顏色變化與病灶的而改變息息相關，因此識別難度較大。自從1987年對色素性皮膚病的分類研究[2]出現之后，陸續出現了大量的皮膚病圖像診斷技術的研究成果[3-4]。在文獻[5]的算法研究中，首先將圖像進行預處理，然后將利用卷積神經網絡提取出的人臉特征進行訓練、分類。文獻[6]利用深度卷積神經網絡和支持向量機對皮膚圖像進行分類和識別。文獻[7]利用卷積網絡的VGG16模型，采取3種不同的方法來實現皮膚鏡二分法，其結果顯著提升。在皮膚病診斷領域的算法研究較為復雜，而且國外的研究要比國內相對較多，如何用簡單的算法結構完成精確的識別是皮膚病檢測研究的主要問題。
在進行人臉圖像檢測時，傳統的卷積神經網絡只要能夠檢測出耳朵、眼睛、鼻子、嘴巴便認作為人的面部，此方式忽略了這些實例的空間位置信息，可能會導致一定的識別錯誤。目前CapsNet技術已經比較成熟，其應用也比較廣泛。文獻[8]中應用CapsNet在手語識別領域已經達到了令人滿意的準確率。LI Y等人使用CapsNet識別無人飛行器拍攝的水稻圖像，既可以預防害蟲與疾病，又能實時觀察水稻[9]。AFSHAR Y等人采用CapsNet對在腦部的NMR中的腦腫瘤類型進行了分類研究，其預測精度比傳統方法更高[10]。文獻[11]將CapsNet用于指靜脈識別算法中，最終得到的精確度比VGG方法高出了13.6%。本文將使用膠囊網絡對皮膚圖像進行處理，減少算法疊加的重復性，為人臉皮膚圖像處理領域打開新的大門，為后續的皮膚病診斷工作提供良好的基礎。
本文詳細內容請下載:http://www.cowatch.cn/resource/share/2000003052
作者信息：
李勵澤，張晨潔，楊曉慧，孫文斌，郭 濱
(長春理工大學 電子信息工程學院，吉林 長春130022)