（1中山大学附属第七医院 广东 深圳 518107）
（2珠海金山办公软件有限公司 广东 珠海 519000）
【摘要】 人工智能在图像识别方面取得较大进步，国外学者已经将人工智能的图像识别算法用于分析皮肤病理图片，并取得一些成果。我国皮肤临床应用图像识别算法起步较晚。目的：为了使皮肤科医务工作者理解人工知识图像识别算法原理。方法：本文从皮肤科医务工作者角度介绍了图像识别涉及到的反向传播、归一划算法原理及实现这些算法需要使用的工具。结果：实际情况表明，皮肤科医务工作者在了解这些算法原理后，可以深刻理解图像识别算法。结论：随着病理图像的积累,图像识别算法可以辅助皮肤科医务工作者完成日常工作。
【关键词】 皮肤科；图像识别；人工智能；反向传播；归一化
【中图分类号】R319 【文献标识码】A 【文章编号】2095-1752（2018）35-0026-02
Research of the way to understand image recognition algorithm in dermatology field Wen Juan1, Jiang Wenwen1, Zhou Yang2.
1 The Seventh Affiliated Hospital Sun Yal-sen University, GuangDong Shenzhen 518107,China;
2 Kingsoft Office Software, GuangDong Zhuhai 519000,China
【Abstract】Artificial intelligence has made great progress in image recognition. Foreign scholars have used the artificial intelligence image recognition algorithm to analyze the skin pathological images and get some results. Image recognition algorithm is used for skin disease diagnosis late in China. In order to help dermatological doctors understand the principles of image recognition algorithms. This paper introduce the principles of backpropagation algorithm and normalization algorithm for dermatological doctors. And the tool for implementing algorithms is also presentation. It is proved effectual for dermatology medical doctors to understand the image recognition algorithm after they comprehend the principle after the algorithm. With the accumulation of pathological images, image recognition algorithm should assist dermatological doctors in daily work.
【Key words】Dermatology;Image recognition;Artificial Intelligence;Back Propagation;Normalization
1.引言
2011年斯坦福大学在Nature上发表了一篇文章，利用13万个皮肤病的图像数据库训练AI算法，进行人工智能自动诊断皮肤病的探索。图像数据库包含了皮肤镜图像、手机相片、病理图片等。将AI诊断系统用于鉴别皮肤良性肿瘤、恶性肿瘤和其他的一些非肿瘤性皮肤病，结果AI诊断结果与皮肤科专家诊断结果吻合度非常高，诊断效果打成平手。而AI算法的诊断效率远高于皮肤科专家。我国将AI算法应用于皮肤科疾病诊断起步相对较晚，原因之一是AI算法和皮肤科疾病诊断相结合的资料匮乏，皮肤科医务工作者面对繁多的人工智能算法资料往往无从下手。针对此情况，本文介绍了一帮助皮肤科医务工作快速掌握人工智能图像识别算法的方法。
2.基础知识
图像识别算法非常多，目前学术界公认的基于神经网络的图像识别算法效果较好。本文也仅讨论基于神经网络的图像识别算法基础原理。
.png)
2.2 softmax函数
为了说明softmax的实际意义，假定现有3张大小为10103的图片，图片上病症内容分别为红斑狼疮，带状疱疹和银屑病。每张图片在计算机中的表示可以认为是10103=300个数值，那么3张图片就有3003=900个数值。若要使用人工智能中的神经网络算法分析图片中的病症，就需要用3张图片的900个数值和一些未知数（如x，y）构造一个矩阵。如公式（5）所示。
.png)
.png)
这样就得到2.2节中讨论的z。不同的是2.2节中的z只有x，y两个未知数。而此处的未知数是用矩阵p表示，共有900个未知数。虽然未知数的个数不同，但矩阵的结构完全相同。得到矩阵z后就可以构造公式（9）中的E。得到E之后再利用2.1节讨论的反向传播算法得到E的极大值。当E为极大值时，矩阵p[300][3]中的参数即为训练的模型参数。
3.2 使用模型
假定现有一个未知病症的图片，大小仍然是10103。将该图片看作一个m[1][300]的矩阵，则m与上节训练出的p相乘，得到一个13的矩阵r[1][3]。此时r的3列对应3种病症的得分。新图片中的病症即为得分最高的一列对应的病症。延续节中的假设，3列分别对应红斑狼疮，带状疱疹和银屑病。那么如果第1列的数值最大，该图片的病症即为红斑狼疮。
4.结论
针对AI图像识别算法在皮肤科医务工作者中了解较少的实际情况。以实际病例为出发点，介绍了AI图像识别算法要使用的基础知识和训练使用模型的原理，帮助皮肤科医务工作者快速入门。为了描述问题方便，假定的图片大小比较小，病症种类和病症图片数量也较小。在现实使用中皮肤科医务工作者可以根据实际情况加大图片的样本数，尽可能多收集病症种类。基于神经网络的图像识别算法在很多领域已经取得较大成绩。皮肤病学诊断比较依赖形态学特征，随着样本数量增大、病症数据的增多，AI图像识别算法在皮肤科将有广阔的发展前景。
【参考文献】
[1] Oquab, M.,Bottou, L.,Laptev,I.,and Sivic,J.Learning and Transferring Mid-Level Image Representations using Convolutional Neural Networks[C].InProc.CVPR,2014.
[2]黄忆旻.基于图像检索的导游系统的设计与实现[D]. 苏州大学，2016.
[3]许可.卷积神经网络在图像识别上的应用的研究[D]. 浙江大学，2012.
[4]尹勰,闫磊.基于深度卷积神经网络的图像目标检测[J].工业控制计机，2017,(4)96-97.
论文作者:温娟1,蒋雯雯1,周扬2
论文发表刊物:《医药前沿》2018年35期
论文发表时间:2018/12/14
标签：算法论文; 图像论文; 皮肤科论文; 病症论文; 人工智能论文; 图片论文; 神经网络论文; 《医药前沿》2018年35期论文;