[發明專利]一種使用超輕量級SqueezeNet網絡的糖尿病視網膜病變分級方法

在審

• 申請號: 201810331222.X
• 申請日: 2018-04-13
• 公開（公告）號: CN108537282A
• 公開（公告）日: 2018-09-14
• 發明（設計）人: 陳大力;梅丹蕾;朱姍姍;王孝陽;羅凌;佟萌萌
• 申請（專利權）人: 東北大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 趙淑梅;李馨

本發明公開了一種使用超輕量級SqueezeNet網絡的糖尿病視網膜病變分級方法，它針對每一類糖尿病視網膜病變準備大量SLO眼底照片并進行預處理和數據擴增；建立包含fire模塊的超輕量級SqueezeNet深度卷積神經網絡；基于大量眼底照片對深度卷積神經網絡進行訓練，使深度卷積神經網絡的最終輸出值符合眼底照片的分級結果；從而即可利用訓練好的深度卷積神經網絡自動進行疾病分級。本發明的方法通過對大量包括診斷標記的眼底鏡照片的運用，通過超輕量級深度學習網絡和很少的參數來實現自動從訓練范例庫中學習所需特征并進行分級判斷，在訓練過程中不斷糾正用于判斷的數據特征以及深度卷積神經網絡參數，從而能夠極大提高在現實應用場景中的分級準確性和可靠度。

技術領域

本發明涉及深度學習技術領域，尤其涉及一種對每類糖尿病視網膜病變進行分級的方法。

背景技術

糖尿病是嚴重影響人類健康的內分泌疾病，致殘致死率僅次于心腦血管疾病及癌癥。該疾病不僅給人類帶來巨大痛苦，且帶來眾多并發癥，其中，以糖尿病視網膜病變(簡稱“糖網病”，Diabetic retinopathy，DR)發生率最高，對視力影響也最大。由于每個糖尿病患者都有發展為DR的可能，而DR具有進行性，不可逆性。因此，如何準確篩查無明顯視力損傷的糖尿病患者是否存在DR，不僅為早期診斷，早期治療從而挽救患者視力功能提供先機，還可節約大量社會醫療資源。現階段DR分級基本依靠眼科醫生對眼底圖像的肉眼觀察，這對實施大規模DR篩查而言存在明顯不足和局限。因此，若能借助計算機快速，可靠自動識別出眼底圖像屬于的類別，不僅可將醫生從繁重的人工閱片中解脫出來，更為DR篩查大規模實施提供必備基礎條件。

現有技術中，對各類糖尿病視網膜病變的分級普遍基于人工定義的若干項目標特征而進行，例如公開號為CN105513077A的中國發明專利中，公開了一種用于糖尿病視網膜病變篩查的系統，它通過分類器對人工定義的若干項目標特征，如血管輪廓，紅色病變(微血瘤)，亮度病變(滲出、棉絮斑)等進行識別和判斷，以達到對糖尿病視網膜病變分級進行預測的目的。目前的糖尿病視網膜病變分級技術基本屬于該技術流派。上述分級方法存在的缺陷在于：一，人工定義的特征具有局限性，無法充分利用醫療影像中的信息，造成實際應用中準確性受限；二，算法是靜態的，準確性無法隨著獲得的病人數據的增加而提高。

發明內容

根據現有技術存在的問題，本發明公開了一種使用超輕量級SqueezeNet網絡的糖尿病視網膜病變分級方法，包括以下步驟：

S1：準備照片庫，所述照片庫中包含若干包括診斷標記的激光單通道眼底鏡(scanning laser ophthalmoscope,SLO)照片，且每類糖尿病視網膜病變(共四類：none,mild,moderate,severe)均對應有具有多張所述眼底鏡照片的分類照片庫；

S2：對所述照片庫中的眼底照片進行預處理而得訓練范例照片，且所述訓練范例照片構成訓練范例庫，所述訓練范例庫中的照片數量大于所述照片庫中的照片數量；每類糖尿病視網膜病變均對應有具有多張所述訓練范例照片的分類訓練范例庫；

S3：針對四類糖尿病視網膜病變建立一種包含fire模塊的超輕量級SqueezeNet深度卷積神經網絡；所述深度卷積神經網絡包括多層神經網絡架構；所述深度卷積神經網絡中，各層所述神經網絡架構均基于其前一層所述神經網絡架構而搭建；

S4：針對所述SqueezeNet深度卷積神經網絡，采用所述分類訓練范例庫中的訓練范例照片多次訓練所述深度卷積神經網絡中的神經網絡架構，訓練時按照設定的學習率調整所述神經網絡架構的參數，從而得到針對糖尿病視網膜病變的訓練后的深度卷積神經網絡；

S5：基于所述訓練后的深度卷積神經網絡中最后一層所述神經網絡架構的輸出值對所述糖尿病視網膜病變進行分級。