[發(fā)明專利]一種糖尿病視網(wǎng)膜病變分期預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201811548010.3
• 申請日: 2018-12-18
• 公開（公告）號: CN109829882B
• 公開（公告）日: 2020-10-27
• 發(fā)明（設(shè)計(jì)）人: 陳新建;汪竟成;陳潤航;王猛
• 申請（專利權(quán)）人: 廣州比格威醫(yī)療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/143;G06T7/12;G06T7/187;G06K9/62
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林;范青青

1.一種糖尿病視網(wǎng)膜病變分期預(yù)測方法，其特征在于，所述方法包括以下步驟：

采集糖尿病患者的眼底彩照圖像；

將眼底彩照圖像輸入已訓(xùn)練好的單純分期網(wǎng)絡(luò)模型，獲取糖網(wǎng)分期結(jié)果特征；

將眼底彩照圖像輸入已訓(xùn)練好的病灶分割網(wǎng)絡(luò)模型，獲取糖網(wǎng)病灶分割結(jié)果特征；

將糖網(wǎng)分期結(jié)果特征與糖網(wǎng)病灶分割結(jié)果特征進(jìn)行組合，獲得分割分期組合特征；

根據(jù)預(yù)判定的各分期最佳分類器和各分期最佳分類器的優(yōu)先級，結(jié)合所述分割分期組合特征預(yù)測糖尿病視網(wǎng)膜病變分期類別；

各分期最佳分類器和各分期最佳分類器的優(yōu)先級判定方法包括：

采用訓(xùn)練所述單純分期網(wǎng)絡(luò)模型的訓(xùn)練集數(shù)據(jù)獨(dú)立訓(xùn)練梯度提升樹、K-近鄰、隨機(jī)梯度下降線性邏輯回歸分類、支持向量機(jī)4個機(jī)器學(xué)習(xí)模型；

根據(jù)4個機(jī)器學(xué)習(xí)模型在驗(yàn)證集上的準(zhǔn)確率篩選出默認(rèn)模型；

根據(jù)各分期類別上4個機(jī)器學(xué)習(xí)模型的查準(zhǔn)率高低順序確定各分期最佳分類器；

根據(jù)各分期最佳分類器的查準(zhǔn)率的高低順序排出最佳分類器的優(yōu)先級。

2.根據(jù)權(quán)利要求1所述的糖尿病視網(wǎng)膜病變分期預(yù)測方法，其特征在于，所述單純分期網(wǎng)絡(luò)模型的訓(xùn)練方法包括：

采用ResNet-50網(wǎng)絡(luò)模型作為訓(xùn)練模型，采集不同病變程度的眼底彩照圖像作為訓(xùn)練樣本；

將不同病變程度的眼底彩照圖像按照樣本占比的倒數(shù)進(jìn)行重采樣，保證各期的圖像樣本數(shù)一致；

隨著訓(xùn)練的進(jìn)行將重采樣比例恢復(fù)到接近真實(shí)的數(shù)據(jù)集中的比例，重采樣比例：w_i＝r^t-1w_o+(1-r^t-1)w_f，w_o表示訓(xùn)練開始時(shí)的重采樣比例，保證重采樣后各類樣本的數(shù)量相等；w_f表示訓(xùn)練epoch數(shù)接近正無窮時(shí)的重采樣比例，取經(jīng)驗(yàn)值1:2:2:2:2；t表示當(dāng)前的epoch計(jì)數(shù)；r表示衰減因子；

采用均方誤差作為損失函數(shù)，Adam算法作為優(yōu)化算法，訓(xùn)練獲得單純分期網(wǎng)絡(luò)模型。

3.根據(jù)權(quán)利要求2所述的糖尿病視網(wǎng)膜病變分期預(yù)測方法，其特征在于，所述單純分期網(wǎng)絡(luò)模型的訓(xùn)練方法還包括：

對訓(xùn)練樣本中的眼底彩照圖像進(jìn)行預(yù)處理，包括：裁剪黑邊、尺寸縮放、旋轉(zhuǎn)、平移、歸一化。

4.根據(jù)權(quán)利要求2所述的糖尿病視網(wǎng)膜病變分期預(yù)測方法，其特征在于，所述病變程度包括正常、輕微病變、中度病變、重度非增殖病變和增殖期病變。

5.根據(jù)權(quán)利要求1所述的糖尿病視網(wǎng)膜病變分期預(yù)測方法，其特征在于，所述病灶分割網(wǎng)絡(luò)模型的訓(xùn)練方法包括：

采用MaskRCNN網(wǎng)絡(luò)模型作為訓(xùn)練模型；

采用糖網(wǎng)病灶分割數(shù)據(jù)訓(xùn)練所述MaskRCNN網(wǎng)絡(luò)模型。

6.根據(jù)權(quán)利要求5所述的糖尿病視網(wǎng)膜病變分期預(yù)測方法，其特征在于，所述糖網(wǎng)病灶分割結(jié)果特征的獲取方法包括：

計(jì)算微血管瘤、硬性滲出、棉絨斑和出血四類病灶的統(tǒng)計(jì)特征，所述統(tǒng)計(jì)特征包括：像素點(diǎn)面積、在眼底彩照圖像上的連通域數(shù)量和各個連通域的輪廓周長總和；

分別取各統(tǒng)計(jì)特征的自然對數(shù)作為糖網(wǎng)病灶分割結(jié)果特征。

7.根據(jù)權(quán)利要求1所述的糖尿病視網(wǎng)膜病變分期預(yù)測方法，其特征在于，所述糖尿病視網(wǎng)膜病變分期類別的預(yù)測方法包括：

從最高優(yōu)先級的最佳分類器開始，判斷是否滿足條件其中：是輸入模型的特征，M_i是各分期最佳分類器，i是對應(yīng)的分期類別；

如果滿足則預(yù)測分期類別直接為i，否則，進(jìn)入低一級優(yōu)先級的最佳分類器的判斷條件；

如果所有優(yōu)先級下的判斷條件都不滿足，則選用默認(rèn)模型的輸出作為預(yù)測分期類別。