[發明專利]基于深度神經網絡的糖尿病視網膜病變檢測方法及裝置

在審

• 申請號: 201711439401.7
• 申請日: 2017-12-26
• 公開（公告）號: CN108154505A
• 公開（公告）日: 2018-06-12
• 發明（設計）人: 章毅;鐘捷;郭際香;郭泉;陳媛媛;張蕾;李杰;高振濤;何濤;張煒;舒鑫;徐修遠;杜霞
• 申請（專利權）人: 四川大學;四川省人民醫院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 鄧超

1.一種基于深度神經網絡的糖尿病視網膜病變檢測方法，其特征在于，包括：

采集多張眼底彩照圖像數據；

將所述多張眼底彩照圖像數據輸入到預設的深度神經網絡模型；

獲取所述深度神經網絡模型輸出的分類結果及所述分類結果對應的置信度；

判斷所述分類結果是否有效；

若是，查找所述分類結果所對應的糖尿病視網膜病變程度；

基于所述糖尿病視網膜病變程度輸出檢測結果。

2.根據權利要求1所述的方法，其特征在于，所述的預設的深度神經網絡模型通過以下方式建立：

將所述多張眼底彩照圖像數據進行處理，以獲取待處理數據；

基于反向傳播算法對所述待處理數據進行深度神經網絡訓練，得到預設的深度神經網絡模型，其中，所述深度神經網絡模型包括：多組交替疊加的卷積和池化層，在網絡模型的中間包含多個跨層的短路連接用以將淺層提取到的特征無損傳遞給深層網絡，在網絡的末端使用Softmax分類器對樣本進行分類。

3.根據權利要求2所述的方法，其特征在于，所述的將所述多張眼底彩照圖像數據進行處理，以獲取待處理數據，包括：

對所述多張眼底彩照圖像數據進行標注，以得到每張所述眼底彩照圖像數據的病變類型及病變程度的準確標簽；

基于所述每張眼底彩照圖像數據和所述準確標簽，生成樣本集；

將所述樣本集為訓練集和測試集；

對所述訓練集中的每張所述眼底彩照圖像數據進行數據增廣；

將增廣后的所述訓練集以及所述測試集作為所述待處理數據。

4.根據權利要求3所述的方法，其特征在于，所述訓練集滿足：TrainSet＝{(X⁽¹⁾，Y⁽¹))，(X⁽²⁾，Y⁽²))，...，(X^(m)，Y^(m))}；所述測試集滿足：TestSet＝{(X^(m+1)，Y^(m+1))，(X^(m+2)，Y^(m+2))，...，(X⁽ⁿ⁾，Y⁽ⁿ⁾)}；其中，X⁽ⁱ⁾∈R^3×H×W為3通道彩色圖像，Y⁽ⁱ⁾∈R^N為N維標簽向量，n為所述樣本的個數，所述m為所述訓練集中的樣本個數，n-m為所述測試集中的樣本個數。

5.根據權利要求2所述的方法，其特征在于，所述的基于反向傳播算法對所述待處理數據進行深度神經網絡訓練，得到預設的深度神經網絡模型，之后還包括：

獲取所述深度神經網絡模型輸出的測試結果；

將所述測試結果與預設的比對標簽進行匹配；

當所述測試結果與所述比對標簽匹配時，將所述深度神經網絡模型發送至服務器，以進行部署。

6.一種基于深度神經網絡的糖尿病視網膜病變檢測裝置，其特征在于，包括：

數據采集單元，用于采集多張眼底彩照圖像數據；

數據處理單元，用于將所述多張眼底彩照圖像數據輸入到預設的深度神經網絡模型；

數據輸出單元，用于獲取所述深度神經網絡模型輸出的分類結果及所述分類結果對應的置信度；

第一判斷單元，用于判斷所述分類結果是否有效；

第一執行單元，用于若是，查找所述分類結果所對應的糖尿病視網膜病變程度；

結果獲取單元，用于基于所述糖尿病視網膜病變程度輸出檢測結果。