[發明專利]同時識別糖尿病視網膜病變的分期和病變特征的判斷方法

在審

• 申請號: 202110078231.4
• 申請日: 2021-01-20
• 公開（公告）號: CN112869697A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 王娟;白玉婧;夏斌;胡志鋼
• 申請（專利權）人: 深圳硅基智能科技有限公司
• 主分類號: A61B3/00
• 分類號: A61B3/00;A61B3/12;A61B3/14;G06T7/00;G06T3/40;G06T5/50;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳舍穆專利代理事務所(特殊普通合伙) 44398
• 代理人: 黃賢炬

1.一種同時識別糖尿病視網膜病變的分期和病變特征的判斷方法，其特征在于，包括：獲取眼底圖像；并且將所述眼底圖像輸入基于深度學習的多任務網絡以同時識別所述眼底圖像所屬的糖尿病視網膜病變的分期和所述眼底圖像的糖尿病視網膜病變的病變特征，所述多任務網絡至少包括骨干網絡、特征頭部網絡和分期頭部網絡的三類子網絡，所述多任務網絡的網絡參數通過多任務聯合訓練得到，在所述多任務聯合訓練中，通過反向傳播調整所述三類子網絡的網絡參數，所述骨干網絡接收所述眼底圖像并輸出第一特征圖，所述特征頭部網絡接收所述第一特征圖并判斷所述眼底圖像的糖尿病視網膜病變的病變特征，并通過所述特征頭部網絡的中間層得到第二特征圖，所述分期頭部網絡接收所述第一特征圖并基于所述分期頭部網絡的中間層得到第三特征圖，然后對所述第三特征圖和所述第二特征圖進行特征融合以判斷所述眼底圖像所屬的糖尿病視網膜病變的分期。

2.根據權利要求1所述的判斷方法，其特征在于：

通過跳躍連接將所述第二特征圖輸入至所述分期頭部網絡以使所述分期頭部網絡基于所述第三特征圖和所述第二特征圖判斷所述眼底圖像所屬的糖尿病視網膜病變的分期。

3.根據權利要求1所述的判斷方法，其特征在于：

所述分期頭部網絡包括拼接層，所述拼接層接收所述第二特征圖和所述第三特征圖并進行特征融合以獲得第四特征圖，基于所述第四特征圖判斷所述眼底圖像所屬的糖尿病視網膜病變的分期。

4.根據權利要求3所述的判斷方法，其特征在于：

所述骨干網絡包括卷積層、批標準化層、池化層、修正線性單元層和壓縮激發塊；

所述特征頭部網絡包括全連接層、修正線性單元層和激活層；

所述分期頭部網絡包括全連接層、修正線性單元層、所述拼接層和激活層。

5.根據權利要求1所述的判斷方法，其特征在于：

在所述多任務聯合訓練中，構建由待訓練的眼底圖像和所述待訓練的眼底圖像的標注結果組成的訓練集，基于所述訓練集對所述多任務網絡進行訓練以同時預測所述待訓練的眼底圖像的各個糖尿病視網膜病變的病變特征的概率并作為病變特征預測概率和預測所述待訓練的眼底圖像的屬于各個糖尿病視網膜病變的分期的概率并作為分期預測概率，利用總損失函數對所述多任務網絡進行優化，其中，所述標注結果包括病變標簽和分期標簽并作為金標準，所述病變標簽描述所述待訓練的眼底圖像的糖尿病視網膜病變的病變特征，所述分期標簽描述所述待訓練的眼底圖像所屬的糖尿病視網膜病變的分期。

6.根據權利要求5所述的判斷方法，其特征在于：

所述總損失函數包括用于優化所述分期頭部網絡的分期損失項和用于優化所述特征頭部網絡的特征損失項。

7.根據權利要求6所述的判斷方法，其特征在于：

所述分期損失項包括基于交叉熵損失函數的交叉熵損失項和用于測量所述待訓練的眼底圖像的所述分期標簽和所述分期預測概率的一致性的所述一致性損失項。

8.根據權利要求7所述的判斷方法，其特征在于：

所述一致性損失項是基于kappa系數獲取所述待訓練的眼底圖像的所述分期標簽和所述分期預測概率的一致性，所述一致性損失項κ滿足公式：

其中，C為糖尿病視網膜病變的分期的數量，W_uv表示加權系數，X_uv滿足公式E_uv滿足公式N為所述訓練集中的眼底圖像的數量，p_nu為所述訓練集中第n張眼底圖像屬于第u個糖尿病視網膜病變的分期的概率，y_nv為所述訓練集中第n張眼底圖像是否屬于第v個糖尿病視網膜病變的分期的金標準。