[发明专利]基于深度学习的糖尿病视网膜病变分类分级方法

说明书

本发明涉及一种基于深度学习的糖尿病视网膜病变分类分级方法，它针对每一类糖尿病视网膜病变准备大量眼底镜照片；建立包含多级神经网络架构的深度卷积神经网络；基于大量眼底镜照片对深度卷积神经网络进行训练，使深度卷积神经网络的最终输出值符合眼底镜照片的分级结果；从而即可利用训练好的深度卷积神经网络自动进行疾病分级。本发明的方法通过对大量包括诊断标记的眼底镜照片的运用，通过深度学习实现自动从训练范例库中学习所需特征并进行分级判断，在训练过程中不断纠正用于判断的数据特征以及深度卷积神经网络参数，从而能够极大提高在现实应用场景中的分级准确性和可靠度。

技术领域

本发明涉及一种对每类糖尿病视网膜病变进行分级的方法。

背景技术

现有技术中，对各类糖尿病视网膜病变的分级普遍基于人工定义的若干项目标特征而进行，例如公开号为CN105513077A的中国发明专利中，公开了一种用于糖尿病视网膜病变筛查的系统，它通过分类器对人工定义的若干项目标特征，如血管轮廓，红色病变（微血瘤），亮度病变（渗出、棉絮斑）等进行识别和判断，以达到对糖尿病视网膜病变分级进行预测的目的。目前的糖尿病视网膜病变分级技术基本属于该技术流派。上述分级方法存在的缺陷在于：一，人工定义的特征具有局限性，无法充分利用医疗影像中的信息，造成实际应用中准确性受限；二，算法是静态的，准确性无法随着获得的病人数据的增加而提高。

发明内容

本发明的目的是提供一种能够充分利用医疗影像中的信息，从而提高分级准确性的基于深度学习的糖尿病视网膜病变分类分级方法。

为达到上述目的，本发明采用的技术方案是：

一种基于深度学习的糖尿病视网膜病变分类分级方法，包括以下步骤：

（1）准备照片库，所述照片库中包含若干包括诊断标记的眼底镜照片，且每类糖尿病视网膜病变均对应有具有多张所述眼底镜照片的分类照片库；

（2）对所述照片库中的眼底镜照片进行预处理而得训练范例照片，且所述训练范例照片构成训练范例库，所述训练范例库中的照片数量大于所述照片库中的照片数量；每类糖尿病视网膜病变均对应有具有多张所述训练范例照片的分类训练范例库；

（3）针对每类糖尿病视网膜病变分别建立其对应的深度卷积神经网络；每个所述深度卷积神经网络均包括多级神经网络架构；每个所述深度卷积神经网络中，除第一级所述神经网络架构以外的各级所述神经网络架构基于其前一级所述神经网络架构而搭建；

（4）针对每个所述深度卷积神经网络，采用对应的所述分类训练范例库中的训练范例照片多次训练所述深度卷积神经网络中的各级神经网络架构，训练时按照设定的学习率调整所述神经网络架构的参数，从而得到针对每类糖尿病视网膜病变的多个训练后的深度卷积神经网络；

（5）基于各所述训练后的深度卷积神经网络中最后一级所述神经网络架构的输出值对所述糖尿病视网膜病变进行分级。

优选的，每个所述深度卷积神经网络均包括三级所述神经网络架构，分别为第一级神经网络架构、第二级神经网络架构、第三级神经网络架构；

所述第一级神经网络架构包括19层神经元，依次分别为：输入层、卷积层、卷积层、最大池化层、卷积层、卷积层、卷积层、最大池化层、卷积层、卷积层、卷积层、均方根池化层、丢弃层、全连接层、最大池化层、丢弃层、全连接层、最大池化层、输出层；

在所述第一级神经网络架构中的均方根池化层之前首次增加四层神经元而构成所述第二级神经网络架构，首次增加的四层神经元依次分别为：最大池化层、卷积层、卷积层、卷积层；

在所述第二级神经网络架构中的均方根池化层之前再次增加四层神经元而构成所述第三级神经网络架构，再次增加的四层神经元依次分别为：最大池化层、卷积层、卷积层、卷积层。