[發明專利]早產兒視網膜病變識別裝置、存儲介質和電子設備

在審

• 申請號: 202111573386.1
• 申請日: 2021-12-21
• 公開（公告）號: CN114331984A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 陸宇
• 申請（專利權）人: 合肥奧比斯科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/02;G06K9/62;G06V10/774;G06V10/764;G06V10/80
• 代理公司: 合肥中博知信知識產權代理有限公司 34142
• 代理人: 管秋香

1.一種早產兒視網膜病變識別裝置，其特征在于，該裝置包括：

眼底圖像獲取模塊，用于獲取早產兒同一眼球的多視角的眼底圖像；

體征信息獲取模塊，用于獲取早產兒的體征信息；所述體征信息包括孕齡信息和體重信息；

數據預處理模塊，用于對早產兒的眼底圖像和體征信息進行預處理；

深度神經網絡分類模塊，用于將預處理后的早產兒的眼底圖像和體征信息輸入訓練好的深度神經網絡模型，得到深度神經網絡模型的分類結果；分類結果包括早產兒視網膜病變或正常中的一種；

識別結果輸出模塊，用于輸出包含分類結果的識別結果。

2.如權利要求1所述的一種早產兒視網膜病變識別裝置，其特征在于，所述數據預處理模塊包括：

圖像預處理單元，用于對圖像進行尺寸縮放和高斯預處理；

體征信息編碼單元，用于將體征信息轉換為二進制向量。

3.如權利要求2所述的一種早產兒視網膜病變識別裝置，其特征在于，所述將體征信息轉換為二進制向量，具體步驟包括：

(1)基于測試集對應的體征信息，對體征信息分割為[t₁，t₂]，[t₂，t₃]，…，[t_n-1，t_n]，共n-1個體征信息區間；

(2)待預測圖像對應患者的體征信息為x∈[t_i-1，t_i](i∈[2,n])，則對于上述n-1個體征信息區間，將[t₁，t₂]，[t₂，t₃]，…，[t_i-1，t_i]內的編碼值對應為0；

(3)對于[t_i，t_i+1]～[t_n-1,t_n]中的編碼置為1。

4.如權利要求1所述的一種早產兒視網膜病變識別裝置，其特征在于，所述深度神經網絡模型包括：

特征提取模塊，用于對預處理后的眼底圖像進行特征提取，得到圖像特征；

信息融合模塊，用于將圖像特征、編碼后的孕齡信息和編碼后的體重信息進行融合，得到融合后的特征，并對所述融合后的特征進行降維處理，得到降維之后的融合特征；

分類模塊，用于基于降維之后的融合特征得到分類結果。

5.如權利要求4所述的一種早產兒視網膜病變識別裝置，其特征在于，所述特征提取模塊包括：一個輸入層、一個卷積層，一個池化層，多個Resnet模塊；每個所述Resnet模塊由多個不同參數尺度的卷積層、下采樣層、殘差連接結構構成；

所述信息融合模塊包括兩個特征拼接層和多個全連接層；

所述分類模塊包括一個二類別的全連接分類器。

6.如權利要求1所述的一種早產兒視網膜病變識別裝置，其特征在于，所述識別結果還包括：早產兒視網膜病變概率、正常概率和不確定度信息，其中，所述不確定度信息包括：噪聲不確定度、模型不確定度以及語義不確定度；.

所述不確定度信息獲取方法為：利用dropout，通過多次蒙特卡洛采樣，隨機失活權重m次，得到m組對應的每個分類的預測值；

將m組預測值的均值作為模型最終輸出的分類概率預測值；

將m組正常概率的方差作為模型不確定度；

將模型的數據噪點作為噪聲不確定度；

通過計算預測分類結果分布和理想分類結果分布的距離，作為語義不確定度。

7.如權利要求6所述的一種早產兒視網膜病變識別裝置，其特征在于，該裝置還包括所述深度神經網絡訓練模塊，用于通過訓練集，采用五折交叉驗證對深度神經網絡模型進行訓練；包括：

且所述深度神經網絡的loss函數包括：Resnet分類的交叉熵損失；噪聲不確定度損失、模型不確定度損失、語義不確定度損失的加權組合。