[發明專利]糖網病變階段識別模型的訓練方法及糖網病變識別設備

有效

• 申請號: 201910949301.1
• 申請日: 2019-10-08
• 公開（公告）號: CN110729044B
• 公開（公告）日: 2023-09-12
• 發明（設計）人: 龔麗君;馬鍇;鄭冶楓
• 申請（專利權）人: 騰訊醫療健康（深圳）有限公司
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

本申請公開了一種糖網病變識別糖網病變階段識別模型的訓練方法及糖網病變識別設備，所述糖網病變識別設備包括：目標眼底圖像獲取裝置，用于獲取目標眼底圖像；特征提取裝置，用于利用糖網病變階段識別模型中的特征提取層提取目標眼底圖像的目標特征信息；糖網病變階段識別裝置，用于利用糖網病變階段識別模型中的全連接層對目標特征信息進行多種糖網病變階段的識別，得到目標眼底圖像的糖網病變階段的識別結果，糖網病變階段的識別結果包括目標眼底圖像對應目標對象是否達到多種糖網病變階段的識別結果；目標糖網病變階段確定裝置，用于基于識別結果確定目標對象的目標糖網病變階段。利用本申請提供的技術方案可以大大提高糖網病變的識別準確率。

技術領域

本申請涉及互聯網通信技術領域，尤其涉及一種糖網病變識別糖網病變階段識別模型的訓練方法及糖網病變識別設備。

背景技術

近年來，隨著人工智能技術研究和進步，人工智能技術在多個領域得到廣泛應用，其中，深度學習等神經網絡在糖尿病視網膜病變(簡稱糖網病變，糖尿病所致的并發癥之一，導致眼底視網膜微血管失調，產生如出血，阻塞等癥狀)識別等醫學疾病診斷領域等應用也越來越得到關注。

現有技術中，在結合神經網絡進行糖網病變識別過程中，需要先結合多種糖網病變的訓練圖像對神經網絡進行訓練，在訓練過程中，利用交叉熵等損失函數來優化網絡參數。該損失函數用來表示神經網絡估計值(預估的某一類糖網病變)和真實值(實際的糖網病變)的損失，通過損失，來修正網絡參數，從而使訓練出能夠進行糖網病變識別的模型；但現有技術中，每一類之間是完全獨立的。比如糖網病變識別任務中，糖網病變有3個類別：輕度，中度，重度，它們分別對應的標簽是：[1,0,0],[0,1,0],[0,0,1]，網絡對一張輕度糖網病變的圖像進行預測，假設預測概率為P1＝[0.1,0.8,0.1]，P2＝[0.1,0.1,0.8]，顯然這兩次預測都是錯誤，但根據現有的損失函數計算方式，這兩次的損失是一樣大的，但因為中度要比重度更加接近于輕度，導致訓練過程中無法準確底進行糖網病變識別訓練，導致后續的糖網病變識別準確率低。

發明內容

本申請提供了一種糖網病變階段識別模型的訓練方法及糖網病變識別設備，可以大大提高糖網病變的識別準確率。

一方面，本申請提供了一種糖網病變階段識別模型的訓練方法，所述方法包括：

獲取眼底訓練集和所述眼底訓練集中的眼底圖像的標注糖網病變階段，所述眼底訓練集包括多種糖網病變階段的眼底圖像；

基于所述眼底訓練集對神經網絡進行多種糖網病變階段的識別訓練，得到所述眼底訓練集中眼底圖像的多個預測結果，所述多個預測結果包括所述眼底訓練集中眼底圖像達到所述多種糖網病變階段的預測概率；

根據所述眼底訓練集中眼底圖像的多個預測結果和標注糖網病變階段，確定所述多個預測結果和標注糖網病變階段間的誤差數據；

當所述誤差數據不滿足預設條件時，基于梯度下降法調整所述神經網絡的參數，重復上述的識別訓練的步驟；

當所述誤差數據滿足預設條件時，將當前的神經網絡作為糖網病變階段識別模型。

另一方面提供了一種糖網病變識別設備，所述設備包括：

目標眼底圖像獲取裝置，用于獲取目標眼底圖像；

特征提取裝置，用于利用上述訓練方法訓練得到的糖網病變階段識別模型中的特征提取層提取所述目標眼底圖像的目標特征信息；

糖網病變階段識別裝置，用于利用所述糖網病變階段識別模型中的全連接層對所述目標特征信息進行多種糖網病變階段的識別，得到所述目標眼底圖像的糖網病變階段的識別結果，所述糖網病變階段的識別結果包括所述目標眼底圖像對應目標對象是否達到多種糖網病變階段的識別結果；

目標糖網病變階段確定裝置，用于基于所述識別結果確定所述目標對象的目標糖網病變階段。