利用门递归单元优化马群，实现不同面部皮肤疾病的自动分类

摘要 人体最大的器官是覆盖全身的皮肤。面部皮肤是需要精心护理的部位之一。它可能引发多种面部皮肤疾病，如痤疮、湿疹、痣、黑色素瘤、酒渣鼻和许多其他真菌感染。由于医疗设备成本高昂、医疗能力不足等原因，诊断这些疾病一直很困难。然而，现有的各种系统被用来检测面部皮肤疾病的类型，但这些方法耗时长，而且在早期阶段检测疾病不准确。为了解决这些问题，我们开发了一种基于深度学习的门递归单元（GRU）。非线性扩散用于获取和预处理原始图片、自适应直方图均衡化（AHE）和高提升滤波（HBF）。利用非线性扩散消除图像噪声。使用自适应直方图均衡（AHE）最大限度地提高图像的对比度。使用 HBF 对图像边缘进行锐化。预处理后，通过应用灰度运行长度矩阵（GLRM）和色度共现局部二进制模式（CCoLBP）提取纹理和颜色特征。然后，使用马群优化法（HOA）选择合适的特征。最后，利用 GRU 对所选特征进行分类，以识别面部皮肤疾病的类型。Kaggle 数据库包含不同的面部皮肤病图像，如红斑痤疮、湿疹、基底细胞癌、尖锐湿疣角化症和痤疮。此外，获得的数据集分为训练和测试两部分。根据调查结果，所提出的方法准确率为 98.2%，误差为 1.8%，精确度为 97.1%，f1 分数为 95.5%。与其他现有技术相比，建议的技术表现更好。因此，所创建的模型是对各种面部皮肤状况进行分类的最佳选择。