[發(fā)明專利]基于黃斑注意力機(jī)制和不確定度的AMD分級系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011453517.8
• 申請日: 2020-12-11
• 公開（公告）號: CN112446875A
• 公開（公告）日: 2021-03-05
• 發(fā)明（設(shè)計）人: 劉磊
• 申請（專利權(quán)）人: 南京泰明生物科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T5/30;G06T5/50;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京久誠知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11542
• 代理人: 余罡

1.一種基于黃斑注意力機(jī)制和不確定度的AMD分級系統(tǒng)，其特征在于，所述系統(tǒng)包括：

血管視盤分割模塊，用于將眼底彩圖分割，得到二值化的視盤分割圖像和血管分割圖像；

黃斑區(qū)定位模塊，用于基于所述視盤分割圖像和血管分割圖像得到黃斑區(qū)圖像；

分類網(wǎng)絡(luò)模塊，用于將眼底彩圖以及對應(yīng)的視盤分割圖像、血管分割圖像、黃斑區(qū)圖像作為訓(xùn)練好的基于注意力機(jī)制的深度學(xué)習(xí)分類網(wǎng)絡(luò)模型的輸入，利用注意力網(wǎng)絡(luò)將眼底彩圖以及對應(yīng)的血管分割圖像、黃斑區(qū)圖像進(jìn)行融合，得到多通道圖像，再通過主神經(jīng)網(wǎng)絡(luò)對多通道圖像進(jìn)行特征提取，并通過多次dropout蒙特卡洛，輸出對應(yīng)四個病變類型的四組概率值和一組噪聲；并獲取四組概率值的均值和方差，將概率均值最大的病變類型作為最終的分類結(jié)果，將噪聲的均值作為偶然不確定度，將方差和作為模型不確定度。

2.如權(quán)利要求1所述的一種基于黃斑注意力機(jī)制和不確定度的AMD分級系統(tǒng)，其特征在于，所述分類網(wǎng)絡(luò)模塊包括：

注意力網(wǎng)絡(luò)子模塊，用于將眼底彩圖以及對應(yīng)的血管分割圖像、黃斑區(qū)圖像進(jìn)行融合，得到多通道圖像；

主神經(jīng)網(wǎng)絡(luò)子模塊，用于利用訓(xùn)練好的主神經(jīng)網(wǎng)絡(luò)模型對多通道圖像進(jìn)行特征提取，并通過多次dropout蒙特卡洛，輸出對應(yīng)四個病變類型的四組概率值和一組噪聲；

分類結(jié)果輸出子模塊，用于獲取四組概率值的均值和方差，將概率均值最大的病變類型作為最終的分類結(jié)果，將噪聲的均值作為偶然不確定度，將方差和作為模型不確定度。

3.如權(quán)利要求2所述的一種基于黃斑注意力機(jī)制和不確定度的AMD分級系統(tǒng)，其特征在于，所述注意力網(wǎng)絡(luò)子模塊為三階注意力模塊，且

殘差注意力機(jī)制為：

H_i,c(x)＝(1+M_i,c(x))×F_i,c(x)

H_i,c(x)是注意力網(wǎng)絡(luò)子模塊的輸出，F(xiàn)_i,c(x)是上一層的圖片張量特征，M_i,c(x)是軟掩碼的注意力參數(shù)。

4.如權(quán)利要求2所述的一種基于黃斑注意力機(jī)制和不確定度的AMD分級系統(tǒng)，其特征在于，所述訓(xùn)練好的主神經(jīng)網(wǎng)絡(luò)模型為貝葉斯深度學(xué)習(xí)分類網(wǎng)絡(luò)模型，輸出節(jié)點設(shè)置5個，包括4個對應(yīng)病變分類的分類節(jié)點和一個對應(yīng)圖像噪聲的噪聲節(jié)點；

所述多通道圖像是由512×512的黃斑區(qū)圖像、二值化的血管分割圖像和512×512×3的眼底圖像融合為512×512×5的多通道圖像；

且訓(xùn)練所述貝葉斯深度學(xué)習(xí)分類網(wǎng)絡(luò)模型包括：

A、使用Cross-Entropy Loss+偶然不確定度+模型不確定度損失作為損失函數(shù)；

B、使用sub-sampling梯度下降算法作為卷積神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法；

C、每個卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練300個epoch，batch_size設(shè)為2，初始學(xué)習(xí)率設(shè)置為0.001，衰減系數(shù)為0.995，最終學(xué)習(xí)率下降到0.0001則不再下降,停止訓(xùn)練，使用Adam優(yōu)化器進(jìn)行優(yōu)化訓(xùn)練；

D、診斷標(biāo)記為0、1、2和3級，分別對應(yīng)健康、輕度、中度和重度級別；在訓(xùn)練過程中，對訓(xùn)練數(shù)據(jù)進(jìn)行數(shù)據(jù)擴(kuò)增；

E、測試時，通過多次dropout蒙特卡洛，得到預(yù)測分布，即四組對應(yīng)四個病變類型的概率值。