[發明專利]一種眼底分類模型集成系統、方法、電子設備及介質

在審

• 申請號: 202011113052.1
• 申請日: 2020-10-16
• 公開（公告）號: CN112446418A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 賀婉佶;王欣;熊健皓;趙昕;和超;張大磊
• 申請（專利權）人: 上海鷹瞳醫療科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

本發明實施例提供了一種眼底分類模型集成系統、方法、電子設備及介質，涉及醫學影像分類技術領域。該系統包括基礎網絡集訓練模塊，用于將預先存儲的視盤圖像數據集作為訓練樣本，對多個不同的深度學習網絡結構進行視盤異常分類訓練，獲得多個基礎分類模型；基礎網絡置信度集成模塊，用于將目標視盤圖像樣本輸入到各個基礎分類模型，獲取各個基礎分類模型的置信度向量，并將各個基礎分類模型的置信度向量組合，獲得集成置信度向量；基礎分類網絡集成模塊，用于將集成置信度向量作為輸入特征，通過采用預設分類算法的分類器進行視盤異常分類訓練，獲得集成分類模型。本發明的方案通過融合不同的分類神經網絡，提高了視盤異常分類性能。

技術領域

本發明涉及醫學影像分類技術領域，尤其涉及一種眼底分類模型集成系統、方法、電子設備及介質。

背景技術

很多的眼底疾病，比如青光眼，年齡性黃斑退化，糖尿病性視網膜病變等都會導致不可挽回的視力損傷甚至失明。視網膜眼底圖像是觀察視網膜和診斷眼底疾病的一種重要影像手段。視盤是視網膜上視覺神經和血管匯集穿出眼球的部位。視盤區的異常通常與視神經和視網膜血管的異常密切相關。視盤區的大部分異常都可以通過眼底圖像觀察到，比如視盤前膜，視乳頭水腫，青光眼，視神經萎縮，有髓神經纖維，牽牛花綜合癥等。

近年來，隨著基于神經網絡的深度學習算法的發展，深度學習模型在醫療影像領域，如基于眼底圖像的病灶分類，得到了廣泛的應用。盡管如此，由于眼底圖像的多樣性和病灶的多樣性，基于眼底圖像的病灶分類依然是一個很具有挑戰性的任務，基于目前的深度學習模型仍然存在分類性能不高的問題。

發明內容

本發明提供一種眼底分類模型集成系統、方法、電子設備及介質，解決現有技術中由于眼底圖像的多樣性和病灶的多樣性，基于目前的深度學習模型仍然存在分類性能不高的問題。

在本發明實施的第一方面，提供了一種眼底分類模型集成系統，包括：

基礎網絡集訓練模塊，用于將預先存儲的視盤圖像數據集作為訓練樣本，對多個不同的深度學習網絡結構進行視盤異常分類訓練，獲得多個基礎分類模型；其中所述視盤圖像數據集包括多個異常類別的視盤圖像；

基礎網絡置信度集成模塊，用于將目標視盤圖像樣本輸入到各個基礎分類模型，獲取各個基礎分類模型的置信度向量，并將各個基礎分類模型的置信度向量組合，獲得集成置信度向量；

基礎分類網絡集成模塊，用于將所述集成置信度向量作為輸入特征，通過采用預設分類算法的分類器進行視盤異常分類訓練，獲得集成分類模型。

優選的，所述基礎網絡置信度集成模塊包括：

第一處理模塊，用于將目標視盤圖像樣本輸入到各個基礎分類模型，獲得各個基礎分類模型的輸出向量；

第二處理模塊，用于對各個基礎分類模型的輸出向量進行校準，并對校準后的輸出向量進行歸一化處理，獲得各個基礎分類模型的置信度向量。

優選的，所述第二處理模塊具體用于：

采用溫度標定Temperature Scaling算法對各個基礎分類模型的輸出向量進行校準，并采用邏輯回歸softmax函數對校準后的輸出向量進行歸一化處理，獲得各個基礎分類模型的置信度向量。

優選的，還包括：

視盤圖像檢測模塊，用于對預先采集的眼底圖像數據集中的眼底圖像進行視盤檢測，獲得初始視盤圖像數據集；

視盤圖像增強模塊，用于根據所述初始視盤圖像數據集中屬于各個異常類別的視盤圖像的數量，對所述初始視盤圖像數據集進行異常類別的平衡性增強和多樣性增強處理，獲得作為訓練樣本的視盤圖像數據集。

優選的，所述采用預設分類算法的分類器為采用機器學習分類算法的分類器。