[發明專利]基于膠囊網絡的眼底視網膜圖像分類方法

有效

• 申請號: 201811197008.6
• 申請日: 2018-10-15
• 公開（公告）號: CN109376636B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 段貴多;羅光春;張栗粽;朱大勇;王子朋
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V40/18
• 分類號: G06V40/18;G06V10/82;G06N3/04
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 周劉英

1.基于膠囊網絡的眼底視網膜圖像分類方法，其特征在于包括下列步驟：

數據預處理步驟：

對訓練樣本或者待分類對象進行圖像預處理，包括感興趣區域分割，分割圖像進行尺寸歸一化處理，訓練樣本和待分類對象為OCT圖像；

同時，對訓練樣本的預處理還包括：對尺寸歸一化后的圖像進行數據擴充處理；以及基于分類需求所設置的分類類別，為訓練樣本設置對應的類別標簽；

設置眼底視網膜圖像分類器步驟：

確定膠囊神經網絡模型的網絡結構，并基于數據預處理后的訓練樣本，選取不同的超參數對所確定的膠囊神經網絡模型進行深度學習訓練，選擇不同超參數下訓練得到的網絡模型的模型參數并保存；即從中選擇滿足一定的收斂速度且準確率最高的網絡模型的模型參數并保存；

確定包括五層卷積層和三層全連接層的AlexNet網絡模型的網絡結構，并基于該網絡結構公開的模型參數進行參數初始化；再從數據預處理后的訓練樣本中為每種類型選擇一定數量的訓練樣本進行遷移學習，并保存遷移學習后的AlexNet網絡模型；

將遷移學習后的AlexNet網絡模型的最后三層全連接層替換為所確定的膠囊神經網絡模型的膠囊層，并基于訓練時保存的模型參數對膠囊層進行參數初始化，得到眼底視網膜圖像分類模型；

基于數據預處理后的訓練樣本，選取不同的超參數對所述眼底視網膜圖像分類模型進行模型參數訓練，從中選擇滿足一定的收斂速度且準確率最高的分類模型作為眼底視網膜圖像分類器；

分類處理步驟：將圖像預處理后的待分類對象輸入所述眼底視網膜圖像分類器，得到當前待分類對象對各分類類別的輸出向量，取模值最大的輸出向量所對應的分類類別為當前待分類對象的分類識別結果。

2.如權利要求1所述的方法，其特征在于，設置眼底視網膜圖像分類器步驟中，訓練膠囊神經網絡模型的損失函數為所有分類類別對應的膠囊的損失之和，其中任意分類類別對應的膠囊的損失值為：L_c＝T_cmax(0,m⁺-||v_c||)²+λ(1-T_c)max(0,||v_c||-m^-)²；

其中T_c表示類別標記函數，若分類類別c在圖像中，則T_c＝1；否則T_c＝0；v_c表示膠囊神經網絡模型輸出的對應類別c的輸出向量；參數m⁺＝0.9，m^-＝0.1；λ表示預設權重，取值范圍為(0,1)。