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！

龙图腾网获悉福州大学申请的专利一种基于图像特征的皮肤病智能识别系统及筛查方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119811603B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411877425.0，技术领域涉及：G16H30/40；该发明授权一种基于图像特征的皮肤病智能识别系统及筛查方法是由翁祖铨;王栢华设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种基于图像特征的皮肤病智能识别系统及筛查方法在说明书摘要公布了：本发明公开了一种基于图像特征的皮肤病智能识别系统及筛查方法，涉及人工智能技术领域。本发明收集皮肤病图像数据，并上传至标注系统，通过专业医生辅助完成标签标记。构建的皮肤病数据集涵盖皮肤镜类型数据数据和临床拍摄图像数据。对标注后的数据分别进行数据增强、标准化、归一化及图像尺寸统一调整后，输入深度学习模型进行训练；设计并构建适用于皮肤病图像特征识别的深度神经网络DCSNeXt模型，根据数据类别设计专用分类器，分别对两类数据进行模型训练和性能测试；进一步使用多种现有常用图像识别模型对本数据集进行训练测试，并与DCSNeXt模型在测试集上的性能表现进行对比；此外，收集近两年的相关文献中两种类型的皮肤病图像数据，选取性能表现较好的模型对其进行无标签预测分析。本发明可实现对皮肤镜和临床拍摄皮肤病图像的特征化智能分析，为皮肤病图像的特征提取和分类提供技术支持，可广泛应用于皮肤科临床辅助分析、远程医疗及医学教学领域，推动皮肤病智能化分析的发展。

本发明授权一种基于图像特征的皮肤病智能识别系统及筛查方法在权利要求书中公布了：1.一种基于图像特征的皮肤病筛查方法，其特征在于，所述方法基于皮肤病智能识别系统实现，所述系统包括： 皮肤病图像数据集模块，包括皮肤镜类型数据和临床拍摄类型数据； 数据扩增模块，用于对皮肤病图像数据集中数据量少的类别采用随机旋转、随机翻转、亮度对比度调整、Cutout及Mixup数据增强方法进行扩充； DCSNeXt识别网络模型，由垂直堆叠的39个CSMRNeXtBlock特征提取模块，并结合分类器构成；所述CSMRNeXtBlock特征提取模块包括7×7深度卷积模块、LayerNorm归一化模块、多尺度融合空间注意力模块及带有GlobalResponseNorm的多层感知机； 所述方法包括以下内容： S1、收集皮肤病图像数据集，包括皮肤镜类型数据和临床拍摄类型数据；将数据集中的皮肤镜类型数据和临床拍摄类型数据上传至实验室基于PHP技术开发的标注系统，在专业医生的辅助下进行图像标注与类别标签标记； S2、针对S1中皮肤病图像数据集中数据量较少的类别，采用随机旋转、随机翻转、亮度对比度调整、Cutout及Mixup数据增强方法进行扩充；对扩充后的数据集中的图像进行标准化和归一化处理，并将处理后的数据集划分为训练集和测试集； S3、构建一种基于深度卷积和多尺度注意力机制的DCSNeXt识别网络模型，利用训练集中图像数据对所构建的模型进行训练；在训练过程中引入AutoAugment自动增强策略以提高模型鲁棒性，并提出BHFLoss函数以优化模型的学习能力；所述BHFLoss函数的公式表示为： 其中，yi表示真实标签，C表示类别数，表示平滑参数，表示经过平滑后的标签；LCE表示交叉熵损失，pi表示预测概率；LFL表示焦点损失，αc表示样本数量缩放因子，ωc表示类别权重，γ表示焦点调节参数；Lharmonic表示调和损失，表示平滑标签的余弦相似度；Ltotal表示最终的总损失；表示对损失函数值进行期望操作，即加权平均； S4、利用测试集数据对所构建的DCSNeXt识别网络模型及公开的同类型图像识别模型进行测试，将各模型的表现进行比较，验证DCSNeXt识别网络模型的有效性； S5、额外收集新的测试集图像数据，对所构建的DCSNeXt识别网络模型及公开的同类型图像识别模型进行无标签预测，分析各模型的实际预测性能及泛化能力。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350116 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。