[发明专利]一种基于迁移学习的甲状腺相关性眼病检测方法

说明书

本发明公开了一种基于迁移学习的甲状腺相关性眼病检测方法，首先对眼部区域进行医学扫描，获得3种位图样本，对获得的位图样本进行预处理，得到位图样本中的病症区域和左右眼位位置；然后对预处理后的位图样本进行旋转、平移、缩放操作，然后将所有位图样本依比例划分为训练集、测试集和验证集；接着针对每种位图样本，分别设计一个对应的迁移网络，使用对应类别的训练集来训练3个迁移网络，并用验证集来调试网络参数；最后用投票法来整合3个迁移网络的输出，得到最后系统的诊断输出。本发明在深度学习模型中特征抽取层可以有效提取出病症特征，以及多层映射单元进行病症特征信息分类，具有接近人工效率的病症识别准确率。

技术领域

本发明属于大数据云计算技术领域，涉及一种甲状腺相关性眼病检测方法，特具体涉及一种基于迁移学习的甲状腺相关性眼病检测方法。

背景技术

随着医学影像技术的快速发展,医学图像分析步入大数据时代，如何从海量的医学图像数据中挖掘出有用信息，对医学图像识别带来巨大的挑战。庞大的数据量、种类繁多的成像设备，再加上不同的患病部位以及不同的疾病种类，传统的数据分析方法常常不能满足人们的要求，因此在医学大数据时代，如何从海量医学图像数据中挖掘出有用信息，已成为学术界和工业界的研究热点。

深度学习是机器学习的一个新领域，传统的机器学习方法不能有效地挖掘到医学图像中蕴含的丰富信息，而深度学习通过模拟人脑建立分层模型，具有强大的自动特征提取、复杂模型构建以及高效的特征表达能力，更重要的是深度学习方法能从像素级的原始数据中逐级提取从底层到高层的特征，这为解决医学图像识别面临的新问题提供了新思路。迁移学习就是将一个问题上训练好的模型通过简单的调整使其适用于一个新的问题，针对样本数据量较少的情况可以有很好得效果，节约大量的时间。

发明内容

对于常见的成人眼眶疾病—甲状腺相关性眼病，本发明开拓性地提供了一种能够精确识别眼部医疗影像中病症的基于深度学习的甲状腺相关性眼病检测方法。

本发明所采用的技术方案是：一种基于迁移学习的甲状腺相关性眼病检测方法，其特征在于，包括以下步骤：

步骤1：数据准备；

对眼部区域进行医学扫描，获得3种位图样本，包括水平位图样本、矢状位图样本和冠状位图样本；对获得的位图样本进行预处理，得到位图样本中的病症区域和左右眼位位置；

步骤2：数据增强处理；

对预处理后的位图样本进行旋转、平移、缩放操作，然后将所有位图样本依比例划分为训练集、测试集和验证集；

步骤3：针对每种位图样本，分别设计一个对应的迁移网络，获得第一迁移网络、第二迁移网络、第三迁移网络，3个迁移网络构成主体网络结构；

步骤4：训练3个迁移网络；

使用对应类别的训练集来训练3个迁移网络，并用验证集来调试网络参数；

步骤5：用投票法来整合3个迁移网络的输出，得到最后系统的诊断输出。

本发明与现有技术相比具有以下有益效果：通过建立基于迁移学习的医疗影像识别模型，在迁移模型中特征抽取层可以有效提取出病症特征，以及多层映射单元进行病症特征信息分类，具有人工效率的病症识别准确率。

附图说明

图1为本发明实施例的流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

请见图1，本发明提供的一种基于迁移学习的甲状腺相关性眼病检测方法，包括以下步骤：