[發明專利]基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法

有效

• 申請號: 202011000834.4
• 申請日: 2020-09-22
• 公開（公告）號: CN112184647B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 董宇涵;羅叡;張凱;高瞻
• 申請（專利權）人: 清華大學深圳國際研究生院;北京好醫生云醫院管理技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/764;G06V10/82;G06V10/774;G06V10/776;G06N3/0464;G06N3/048;G06N3/082;G06N3/047;G06N3/0985
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 黃議本

1.一種基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法，其特征在于，包括：

A1、對眼底圖像數據集進行隨機數據增廣；

A2、將眼底圖像數據集標注為是否患有血管病變；

A3、將眼底圖像數據集劃分為不同動靜脈狹窄嚴重程度的等級；

A4、將眼底圖像數據集劃分為訓練集與測試集；

A5、對眼底圖像數據集進行裁剪；

A6、在預訓練模型結構的基礎上，保持所述預訓練模型的初始層的權重不變，修改網絡架構的深層，從而適應所述眼底圖像數據集；

A7、對所述預訓練模型進行特征提取并使用所述訓練集重新訓練得到新的權重，得到血管病變識別模型；

A8、通過所述血管病變識別模型使用所述測試集產生識別血管病變的結果；

A9、基于所述血管病變識別模型，將分類器調整為多分類器算法進行動靜脈局部狹窄嚴重程度的分級判斷，并產生分級結果；

還包括訓練過程；

所述訓練過程包括：

B1、通過凍結預訓練過的層，只訓練適用于血管病變識別的模型；

B2、對輸入圖像是否為患有血管病變通過一對多分類器算法識別出正樣本的數據以及分類出負樣本的數據；

B3、基于血管病變識別的模型對分類器進行修改，輸入圖像通過多對多的多分類器算法分類出以健康與不同動靜脈局部狹窄嚴重級別為指標的眼底圖像數據，從而進行判斷。

2.根據權利要求1所述基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法，其特征在于，所述A4具體為：將眼底圖像數據集以指定的比例隨機劃分為訓練集與測試集。

3.根據權利要求1所述基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法，其特征在于，所述A5具體包括：將訓練分類器及測試分類器的圖像裁剪為指定像素大小的圖像作為輸入，并對圖像進行歸一化處理，由圖像轉換為張量。

4.根據權利要求1所述基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法，其特征在于，所述A9包括：通過模型修改分類器的層進行反向傳播。

5.根據權利要求4所述基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法，其特征在于，所述分類器的層包括全連接層、ReLU層和SoftMax層。

6.根據權利要求1所述基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法，其特征在于,所述訓練過程還包括：B4、以固定部分參數與預訓練模型的權重重新訓練添加的分類器層。

7.根據權利要求6所述基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法，其特征在于，所述訓練過程還包括：B5、在分類器設置Dropout層，以指定比例保留及其暫時從架構中丟棄部分的神經元。

8.根據權利要求1所述基于遷移卷積網絡對眼底圖像進行血管病變分級識別方法，其特征在于：所述預訓練模型為ResNet-50的預訓練模型。

9.一種計算機可讀存儲介質，其特征在于，包括：所述計算機可讀存儲介質中存儲有程序指令，所述程序指令被計算機的處理器執行時使所述處理器執行根據權利要求1至8任一項所述方法。