[發明專利]基于深度學習的糖尿病視網膜圖像分類方法及系統

有效

• 申請號: 201810330385.6
• 申請日: 2018-04-13
• 公開（公告）號: CN108615051B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 呂紹林;于川匯;崔宗會;何校棟;陳瑞俠
• 申請（專利權）人: 博眾精工科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 蘇州創元專利商標事務所有限公司 32103
• 代理人: 范晴;顧天樂

一種人工智能技術領域基于深度學習的糖尿病視網膜圖像分類方法及系統，包括：獲取眼底圖像；將同一眼底圖像導入微血管瘤病變識別模型、出血病變識別模型和滲出病變識別模型中進行識別；根據識別結果提取病變特征信息，再采用經訓練的SVM分類器對提取的病變特征信息分類，獲得分類結果；微血管瘤病變識別模型通過提取眼底圖像中微血管瘤病變候選區域再輸入CNN模型進行訓練得到；出血病變識別模型、滲出病變識別模型分別通過對眼底圖像中出血病變區域、滲出病變區域進行標注，再輸入FCN模型進行訓練得到。本發明降低了對網絡模型描述能力的要求，使得模型容易訓練，并且能夠針對不同的病變對病變灶區域進行定位勾畫，方便醫生進行臨床篩查。

技術領域

本發明涉及人工智能領域，是一種基于深度學習的糖尿病視網膜圖像分類方法及系統。

背景技術

我國糖尿病患者基數龐大并成逐年上升的趨勢，糖尿病性視網膜病變是糖尿病的嚴重并發癥之一，是20～65歲人群中最主要的致盲原因，不僅給社會和患者的家庭造成了極大的危害和負擔，而且使得糖尿病患者的生存質量大大下降。

由于糖尿病性視網膜病變所導致的失明是可預防的，故早期發現、早期干預是防止糖尿病致盲最有效的手段。但是糖尿病引起的視網膜病變早期，病人基本沒有不適感，不進行篩查很容易被忽視延誤治療，造成對視力不可逆轉的損傷。

目前深度學習被廣泛應用于醫學圖像處理，可以極大的提高醫生臨床篩查的效率。然而目前成熟的深度學習模型都采用監督學習模式，但是大量高質量標注的醫學影像數據很難獲取，導致深度學習訓練中使用的醫學圖像一般都滯后于自然圖像；特別是在糖尿病性視網膜病變中，患者的視網膜眼底圖像復雜，常出現多種病變共存的狀態，在有限素材限制下，難以提高檢測效率。因此如何用規模較小的訓練集得到泛化能力較強的模型是深度學習在醫學領域應用迫切需要解決的問題。

發明內容

本發明針對現有技術存在的上述不足，提出了一種基于深度學習的糖尿病視網膜圖像分類方法及系統，降低了對網絡模型描述能力的要求，使得模型容易訓練，并且能夠針對不同的病變對病變灶區域進行定位勾畫，方便醫生進行臨床篩查。

本發明是通過以下技術方案實現的：

本發明涉及一種基于深度學習的糖尿病視網膜圖像分類方法，包括：

獲取待識別眼底圖像；

將同一待識別眼底圖像分別導入微血管瘤病變識別模型、出血病變識別模型和滲出病變識別模型中進行識別；根據識別結果提取病變特征信息，再采用經訓練的支持向量機分類器對提取的病變特征信息分類，獲得眼底圖像對應的病變等級分類結果；

所述微血管瘤病變識別模型通過提取眼底圖像中微血管瘤病變候選區域，進行微血管瘤病變區域和非微血管瘤病變區域標注，再輸入CNN模型進行訓練得到；

所述出血病變識別模型通過對眼底圖像中出血病變區域和非出血病變區域進行標注，再輸入FCN模型進行訓練得到；

所述滲出病變識別模型通過對眼底圖像中滲出病變區域和非滲出病變區域進行標注，再輸入FCN模型進行訓練得到。

所述微血管瘤病變識別模型基于CNN模型訓練得到，包括以下步驟：

A1，圖像預處理：提取綠色通道圖像，對綠色通道圖像使用r-polynomial變換進行圖像灰度矯正，再利用高斯濾波進行去噪處理，得到矯正圖像I′_W；