[发明专利]一种糖尿病视网膜病变筛查方法、装置及存储介质

权利要求书

1.一种糖尿病视网膜病变筛查方法，其特征在于，包括：

获取双视野免散瞳的眼底照相图片；

根据所述眼底照相图片，获取糖尿病视网膜病变结果。

2.如权利要求1所述的方法，其特征在于，所述双视野免散瞳的眼底照相图片包括以视盘和黄斑为中心的左眼眼底图像和右眼眼底图像。

3.如权利要求1所述的方法，其特征在于，所述根据所述眼底照相图片，获取糖尿病视网膜病变结果，包括：

预先构建一卷积神经网络模型；

将所述眼底照相图片输入到所述卷积神经网络模型，以获取糖尿病视网膜病变结果。

4.如权利要求3所述的方法，其特征在于，所述卷积神经网络模型的构建方法包括步骤：构建双视野免散瞳眼底照相图片集、图片预处理、模型设计、模型训练和验证与结果判定。

5.如权利要求4所述的方法，其特征在于，所述构建双视野免散瞳眼底照相图片集包括：收集不同类型糖尿病视网膜不同病变阶段的病人双视野免散瞳眼底照相图片并进行标记，其中，标记后的眼底照片图片集定义为训练数据集；所述图片预处理步骤包括：对图片进行拉伸、旋转、改变亮度及对比度增加的操作，用于增加图片的复杂性，同时，统一所有图片的尺寸。

6.如权利要求5所述的方法，其特征在于，所述模型设计步骤包括：构建卷积神经网络模型，所述卷积神经网络模型包括12层卷积层、4层池化层，用于提取图像的1024个特征；其中，使用的卷积核大小均为3*3，填充值为“SAME”；池化核是3*3，步长为2，用于将池化后的图像尺寸减半；最后一层卷积层的核尺寸为8*8，用于输出所有提取的特征；全连接层共1024个节点，dropout的概率为0.5，通过softmax层，输出分类为糖尿病视网膜病变不同分期结果的概率。

7.如权利要求5所述的方法，其特征在于，所述模型训练步骤包括：采用交叉熵函数作为训练阶段的损失函数，使用随机梯度下降法来更新网络的参数，学习率定为0.01；每次训练时，在训练数据集中随机取50个样本进行训练，共训练2000次；所述模型训练步骤分别对两个视野进行：首先利用第一个视野中的训练数据得出卷积神经网络模型的参数，得到模型1；然后在模型1的基础上，利用第二个视野中的训练数据，继续对模型1进行参数的更新训练，得到模型2。

8.如权利要求5所述的方法，其特征在于，所述验证与结果判定步骤包括：验证步骤，采用与训练数据集不重叠的双视野免散瞳眼底图片集对训练好的模型进行验证，计算指标参数；判断步骤，分别对单只眼进行，即对同一人的两只眼分别给出判断结果，通过对所述两个视野的判断结果进行数据处理得到最终的判断结果，用于降低其中一个视野的图像中的噪声或干扰信息带来的误差；所述验证步骤计算的模型指标参数包括：敏感度、特异度和AUC；所述判断步骤中，对同一只眼，首先将与训练数据集不重叠的眼底图片库中的第一个视野图片作为模型1的输入，计算出输出得分s₁；然后将与训练数据集不重叠的眼底图片库中的第二个视野图片作为模型2的输入，计算出输出得分s₂；对两个视野的判断结果进行数据处理，即：其中，最终输出得分s为两个视野的输出得分s₁和s₂相乘之后的算术平方根，当s＞γ时，判定为糖尿病视网膜病变，否则判定为正常，其中，γ为阈值。

9.一种糖尿病视网膜病变筛查的装置，其特征在于，包括：

双视野免散瞳的眼底照相采集装置，用于采集待筛查者的双视野免散瞳的眼底照相图片；

处理器，用于执行如权利要求1-8中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，包括程序，所述程序能够被处理器执行以实现如权利要求1-8中任一项所述的方法。