科创中国

一种基于深度卷积对抗生成网络的皮肤病图像的生成方法，包括以下步骤：步骤1：对原始训练数据的预处理，对原始训练数据进行分割，得到皮肤病变区域的分割图片；步骤2：深度卷积对抗生成网络结构的建立，使用卷积神经网络来进行分别构建生成器和判别器；步骤3：设定生成网络和分类网络的输入；步骤4：优化目标的设定，对于判别器来说，判别器负责对真假样本进行分类，生成器生成的样本为假，实际输入的真实样本为真，最小化分类误差；对于生成器来说，生成器尽可能的去生成和真实样本一样的假样本；步骤5：网络的训练。本发明利用人工分割出来的皮损样本作为对抗生成网络的训练样本，然后使用对抗生成网络来生成新的皮肤病样本。

为了解决皮肤病图像样本量不足的问题，本发明提供一种基于深度卷积对抗生成网络的皮肤病图像的生成方法，该方法利用人工分割出来的皮损样本作为对抗生成网络的训练样本，然后使用对抗生成网络来生成新的皮肤病样本。为了解决上述技术问题，本发明提供如下的技术方案：一种基于深度卷积对抗生成网络的皮肤病图像的生成方法，所述生成方法包括以下步骤：步骤1：对原始训练数据的预处理，对原始训练数据进行分割，得到皮肤病变区域的分割图片；步骤2：深度卷积对抗生成网络结构的建立，使用卷积神经网络来进行分别构建生成器和判别器；

一种基于深度卷积对抗生成网络的皮肤病图像的生成方法是一项发明专利，专利号为 202010293211.5，专利权人为天津大学，发明人为朱彦东、林圣、王丹婷、成搏、林世刚和刘婧。 该发明公开了一种基于深度卷积对抗生成网络的皮肤病图像的生成方法，包括：训练一个生成对抗网络模型，其中，生成器用于生成皮肤病图像，判别器用于判别所述生成的皮肤病图像是否真实；对所述生成器进行微调，使用所述生成器生成高质量的逼真皮肤病图像。本发明可以根据皮肤病的文本描述生成相应的图像，从而显著提高了皮肤病图像生成的效率和质量。 这项技术可以应用于医学生教学、医疗诊断等领域。例如，医学生可以通过该技术来更直观地了解各种皮肤病的症状和特征，更好地掌握相关知识；皮肤科医生可以通过该技术来生成皮肤病图像，进一步进行诊断和治疗。

浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。

本发明的有益效果为：利用人工分割出来的皮损样本作为对抗生成网络的训练样本，然后使用对抗生成网络来生成新的皮肤病样本。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。