[發明專利]一種基于對抗學習的糖尿病視網膜疾病的篩查裝置及方法

有效

• 申請號: 201911063077.2
• 申請日: 2019-10-31
• 公開（公告）號: CN110827258B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 辛景民;劉思杰;武佳懿;石培文;鄭南寧
• 申請（專利權）人: 西安交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李紅霖

本發明的基于半監督對抗學習的糖尿病視網膜疾病的篩查裝置，在分類深度神經網絡(ResNet34)的基礎上引入了第二分類器單元、重建單元和判別網絡模塊，將半監督對抗學習機制引入了整個裝置。訓練過程中，該裝置能夠使用有限的標注的和大量的未標注的眼底圖像進行訓練，具有很好的實用性和通用性；通過對比實驗驗證了引入圖像重建分支、對抗學習和第二分類器單元至一個常用分類網絡均能極大提高其篩查糖尿病視網膜病變的準確率；該裝置應用于EyePACS和Messidor兩個數據集數，均取得了很好的實驗結果。本發明的篩查裝置能夠有效的進行彩色眼底圖像的糖尿病視網膜病變篩查，起到輔助醫生進行相關醫療診斷的作用。

技術領域

本發明屬于醫學圖像處理領域，尤其是一種基于半監督對抗學習的糖尿病視網膜疾病的篩查裝置及方法。

背景技術

糖尿病視網膜病變(diabetic retinopathy,DR)是目前工作年齡人群第一位致盲性眼病，是糖尿病導致的視網膜微血管損害所引起的一系列病變。事實上，早期診斷和及時治療可有效預防DR引起的失明。

近年來深度神經網絡已經被廣泛用于計算機輔助診斷系統，并在很多醫學診斷任務中取得了非常具有前景的結果。然而訓練一個優秀的深度神經網絡需要海量的高質量的標注的醫學圖像。但是，由于醫學圖像標注需要專業知識和高強度的勞作，在醫學圖像分析中通常只能獲得少量高質量的標注圖像。

發明內容

本發明的目的在于克服現有技術中不能獲得海量的高質量的標注的醫學圖像來訓練深度神經的缺點，提供一種基于半監督對抗學習的糖尿病視網膜疾病的篩查裝置及方法。

為達到上述目的，本發明采用以下技術方案予以實現：

一種基于半監督對抗學習的糖尿病視網膜疾病的篩查裝置，包括擴展網絡模塊、判別網絡模塊和訓練模塊；

訓練模塊，用于按照下述方法訓練擴展網絡模塊和判別網絡模塊，以得到訓練好擴展網絡模塊和判別網絡模塊，訓練模塊的訓練方法如下：

1)采用ILSVRC數據集預訓練的ResNet34神經網絡單元的權值來初始化 ResNet34神經網絡單元，并將初始化后的ResNet34神經網絡單元用于圖像重建任務的訓練；

2)采用步驟1)中重建任務訓練的權值來初始化ResNet34神經網絡單元和重建單元；

3)采用訓練數據集對抗訓練擴展網絡模塊和判別網絡模塊，直至擴展網絡模塊的總損失函數收斂；

其中，對抗訓練過程中，訓練數據集中有標注的視網膜圖像參與擴展網絡模塊的ResNet34神經網絡單元和分類器單元的訓練；訓練數據集中無標注的視網膜圖像參與擴展網絡模塊的ResNet34神經網絡單元和重建單元的訓練；無標注的視網膜圖像、有標注的視網膜圖像以及擴展網絡模塊重建的視網膜圖像均參與判別網絡模塊的訓練；

擴展網絡模塊包括一個ResNet34神經網絡單元、兩個分類器單元和一個重建單元；

ResNet34神經網絡單元，用于接收有標注和無標注的視網膜圖像，輸出各個層的特征，并執行訓練模塊的訓練；

其中，有標注視網膜圖像為按照糖尿病性視網膜病變程度分級標注的圖像，無標注視網膜圖像為無分級標注的圖像；

第一分類器單元，用于接收視網膜圖像的頂層特征，輸出分類結果，并執行訓練模塊的訓練；

第二分類器單元，用于接收視網膜圖像的若干中間層特征，輸出分類結果，并執行訓練模塊的訓練；

重建單元，用于接收各個層的特征，輸出重建圖像，并執行訓練模塊的訓練；

判別網絡模塊，用于接收有標注、無標注的視網膜圖像和重建圖像，輸出判別結果，并執行訓練模塊的訓練。