一種基于深度學習的銀屑病智能診斷方法＊

李文勝

(湖南電子科技職業學院，湖南 長沙 410220)

0 引言

銀屑病(Psoriasis，PS)，又稱“牛皮癬”，是一種以表皮細胞過度增殖及免疫性炎癥為特征的慢性反復發作性疾病。該病具有病程長、頑固性、常見性以及外觀丑陋等特性，且病程后期可侵犯多種臟器，被世界衛生組織列入世界十大頑癥之一。

銀屑病是不能夠完全治愈的，基本上每位患者都會復發，需要長期跟蹤治療。銀屑病的診療難度非常高，病種主要包括尋常型銀屑病、關節型銀屑病、膿胞型銀屑病和紅皮病型銀屑病等四種類型。在做診斷時，不僅要考慮到外觀因素，還要綜合考慮心血管、心理、胃腸道、自身免疫等多個方面，因此，如何對疑似患者是否患上銀屑病以及患上何種銀屑病進行準確且快速地診斷是目前的一大難題。該問題屬于典型的分類問題。本文提出一種基于深度殘差網絡(Deep residual network,ResNet)的銀屑病分類診斷模型，通過訓練得到一個ResNet-34 模型來對銀屑病進行分類診斷，有效地提高了銀屑病的識別率。

1 基于ResNet的銀屑病分類診斷

1.1 ResNet的提出

在深度學習中，卷積神經網絡(Convolutional Neural Network,CNN)是目前處理醫學圖像問題的主要手段。人們普遍認為CNN深度越深（參數越多），則CNN 的非線性表達能力就越強，可以進行更加復雜的特征模式的提取，理論上可以取得更好的結果。然而大量的研究表明，傳統的CNN 結構隨著層數加深到一定程度之后，越深的網絡反而效果更差，過深的網絡竟然使分類的準確率下降了，即出現網絡退化問題(Degradation problem)。為了解決這一問題，何凱明等人在2015年提出了著名的深度殘差網絡(ResNet)。……