[發明專利]基于三維卷積神經網絡的視網膜OCT圖像的分類方法

有效

• 申請號: 201710506132.5
• 申請日: 2017-06-28
• 公開（公告）號: CN107437092B
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 陳新建;劉云
• 申請（專利權）人: 蘇州比格威醫療科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 32224 南京縱橫知識產權代理有限公司
• 代理人: 董建林<國際申請>=<國際公布>=<進入

1.基于三維卷積神經網絡的視網膜OCT圖像的分類方法，其特征是，包括以下步驟：

S01：采集三種三維視網膜OCT圖像，分別是以黃斑為中心的視網膜OCT圖像、以視神經乳頭為中心的視網膜OCT圖像和以大視野為中心的視網膜OCT圖像，將所述三種視網膜OCT圖像每種分類標記為2類，分別是正常視網膜圖像和異常視網膜圖像；

S02：數據預處理，將S01中三種模式下采集分類得到的6組三維視網膜OCT圖像數據進行降采樣，得到統一大小的三維圖像用于輸入三維卷積神經網絡；

S03：根據遷移學習理論，用大量標記好的自然圖像預訓練一個三維卷積神經網絡模型，所述三維卷積神經網絡模型包括輸入層、若干卷積層、若干池化層、若干全連接層以及輸出層；

S04：用預處理好的三維視網膜OCT圖像對訓練好的三維卷積神經網絡模型進行微調，在三維卷積神經網絡模型主流網絡中非首尾層的任一卷積層后加入分支網絡，所述分支網絡利用多層感知卷積進一步提取圖像局部信息，所述分支網絡同樣由卷積層、池化層、全連接層和輸出層組成，將所述主流網絡和所述分支網絡的輸出層進行融合；

S05：將測試集圖像數據按照S02步驟進行預處理，利用S04步驟中微調后的所述三維卷積神經網絡模型進行測試，輸出三種模式下的OCT圖像為正?；虍惓５姆诸惤Y果。

2.根據權利要求1所述的基于三維卷積神經網絡的視網膜OCT圖像的分類方法，其特征是，采用三維線性插值的方法，對所有三維視網膜OCT圖像進行降采樣，得到96×96×16尺寸大小的三維圖像。

3.根據權利要求1所述的基于三維卷積神經網絡的視網膜OCT圖像的分類方法，其特征是，所述訓練好的三維卷積神經網絡模型主流網絡包括1個輸入層、8個卷積層、5個池化層、2個全連接層和1個輸出層，從1到8卷積層的濾波器個數分是64,128,256,256,512,512,512,512，卷積核大小是3×3×3，每個全連接層有4096個輸出，輸出層有6個輸出，所述池化層均采用最大池化法。

4.根據權利要求3所述的基于三維卷積神經網絡的視網膜OCT圖像的分類方法，其特征是，所述分支網絡加在第4個卷積層后。

5.根據權利要求4所述的基于三維卷積神經網絡的視網膜OCT圖像的分類方法，其特征是，所述分支網絡采用平均池化方法對第4卷積層進行降采樣，包括1個池化層、2個卷積層、2個全連接層和1個輸出層。

6.根據權利要求1所述的基于三維卷積神經網絡的視網膜OCT圖像的分類方法，其特征是，所述輸出層采用Softmax分類器。

7.根據權利要求1所述的基于三維卷積神經網絡的視網膜OCT圖像的分類方法，其特征是，步驟S04中所述融合采用最大概率融合方法。