[發明專利]一種糖尿病視網膜病變分期預測方法

有效

• 申請號: 201811548010.3
• 申請日: 2018-12-18
• 公開（公告）號: CN109829882B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 陳新建;汪竟成;陳潤航;王猛
• 申請（專利權）人: 廣州比格威醫療科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/143;G06T7/12;G06T7/187;G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林;范青青

本發明公開了一種糖尿病視網膜病變分期預測方法，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練好的單純分期網絡模型，獲取糖網分期結果特征；將眼底彩照圖像輸入已訓練好的病灶分割網絡模型，獲取糖網病灶分割結果特征；將糖網分期結果特征與糖網病灶分割結果特征進行組合，獲得分割分期組合特征；根據預判定的各分期最佳分類器和各最佳分類器的優先級，結合所述分割分期組合特征預測糖尿病視網膜病變分期類別。本發明的方法采用多種分類器進行分割分期組合特征到糖網分期類別的擬合，并充分利用不同分類器的優勢，組合得到更加準確和魯棒的分期結果。

技術領域

本發明涉及一種糖尿病視網膜病變分期預測方法，屬于圖像處理分析技術領域。

背景技術

基于眼底彩照的糖尿病視網膜病變(簡稱糖網)圖像的分期具有重要的臨床意義。目前的糖網分期方法存在以下幾方面的局限性：基于人工的方法通常依賴于醫生的臨床經驗，對于同樣的眼底圖像，不同的醫生可能給出不同的分期診斷結果，因此對于醫生的水平有較高的要求；耗費時間較長，病患和醫生數量的不對等導致病人需要花費大量時間在等待醫生診斷上。同時，目前已有的基于眼底彩照的糖尿病視網膜病變的自動分類方法無法有效獲取并利用糖網疾病的各種病灶信息，算法的準確率和魯棒性都不夠理想。

發明內容

本發明的目的在于提供一種糖尿病視網膜病變分期預測方法，以解決現有技術中存在的上述多項缺陷或缺陷之一。

為達到上述目的，本發明采用如下技術方案：

一種糖尿病視網膜病變分期預測方法，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練好的單純分期網絡模型，獲取糖網分期結果特征；

將眼底彩照圖像輸入已訓練好的病灶分割網絡模型，獲取糖網病灶分割結果特征；

將糖網分期結果特征與糖網病灶分割結果特征進行組合，獲得分割分期組合特征；

根據預判定的各分期最佳分類器和各最佳分類器的優先級，結合所述分割分期組合特征預測糖尿病視網膜病變分期類別。

進一步，所述單純分期網絡模型的訓練方法包括：

采用ResNet-50網絡模型作為訓練模型，采集不同病變程度的眼底彩照圖像作為訓練樣本；

將不同病變程度的眼底彩照圖像按照樣本占比的倒數進行重采樣，保證各期的圖像樣本數一致；

隨著訓練的進行將重采樣比例恢復到接近真實的數據集中的比例，重采樣比例：w_i＝r^t-1w_o+(1-r^t-1)w_f，w_o表示訓練開始時的重采樣比例，保證重采樣后各類樣本的數量相等；w_f表示訓練epoch數接近正無窮時的重采樣比例，取經驗值1:2:2:2:2；t表示當前的epoch計數；r表示衰減因子。

采用均方誤差作為損失函數，Adam算法作為優化算法，訓練獲得單純分期網絡模型。

進一步，所述單純分期網絡模型的訓練方法還包括：

對訓練樣本中的眼底彩照圖像進行預處理，包括：裁剪黑邊、尺寸縮放、旋轉、平移、歸一化。

進一步，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。

進一步，所述病灶分割網絡模型的訓練方法包括：

采用MaskRCNN網絡模型作為訓練模型；

采用糖網病灶分割數據訓練所述MaskRCNN網絡模型。