[发明专利]视网膜病变评估模型建立方法及系统

权利要求书

1.一种视网膜病变评估模型建立方法，由视网膜病变评估模型建立系统执行，所述视网膜病变评估模型建立系统存储多张分别相关于多个训练者的视网膜图像，每一视网膜图像对应病变严重程度等级，其特征在于：所述视网膜病变评估模型建立方法包含以下步骤：

(A)将所述视网膜图像进行图像校正，以获得多张校正后图像；

(B)将所述校正后图像分群成训练子集、验证子集，及测试子集；

(C)根据所述训练子集中的每一校正后图像及其对应的病变严重程度等级，与所述验证子集中的每一校正后图像及其对应的病变严重程度等级，建立视网膜病变评估模型；及

(D)根据所述测试子集检测所述视网膜病变评估模型的准确率。

2.根据权利要求1所述的视网膜病变评估模型建立方法，其特征在于：每一视网膜图像包括感兴趣区域，步骤(A)包括以下子步骤：

(A-1)对于每一视网膜图像，调整该视网膜图像的亮度值、灰阶值及色阶的其中至少一者，以去除该视网膜图像的噪声；及

(A-2)对于每一调整后的视网膜图像，将调整后的该视网膜图像进行边界调整、裁切、翻转、平移及缩放的其中至少一者，以获得校正后图像，所述校正后图像包括的所述感兴趣区域具有相同大小、角度，及位置。

3.根据权利要求1所述的视网膜病变评估模型建立方法，其特征在于：步骤(C)包括以下子步骤：

(C-1)对于所述训练子集的每一校正后图像，进行卷积运算，以获得特征图组；

(C-2)对于每一特征图组，进行池化运算，以获得降低维度的特征图组；及

(C-3)对于每一降低维度的特征图组及其对应的病变严重程度等级，利用归一化指数函数方法进行全连接运算，以建立训练模型；

(C-4)根据所述训练子集中的每一校正后图像及其对应的病变严重程度等级、所述验证子集中的每一校正后图像及其对应的病变严重程度等级，及所述训练模型，建立所述视网膜病变评估模型。

4.根据权利要求3所述的视网膜病变评估模型建立方法，其特征在于：步骤(C-4)包括以下子步骤：

(C-4-1)根据所述训练子集中的每一校正后图像及其对应的病变严重程度等级与所述验证子集中的每一校正后图像及其对应的病变严重程度等级判定所述训练模型是否过拟合或欠拟合；

(C-4-2)当判定出所述训练模型过拟合或欠拟合时，调整所述训练模型，并重复步骤(C-4-1)；

(C-4-3)当判定出所述训练模型未有过拟合且欠拟合时，所述训练模型即为所述视网膜病变评估模型。

5.根据权利要求4所述的视网膜病变评估模型建立方法，其特征在于：在步骤(C-4-2)中，进行调整相关于所述训练模型的超参数组，以及将所述训练子集中的每一校正后图像进行随机灰阶值调整以获得多张不同灰阶值的灰阶图像、进行随机平移以获得多张对应有不同感兴趣区域位置的平移图像、进行随机翻转以获得多张具有不同翻转角度的翻转图像，及进行随机缩放以获得多张具有不同大小且图像大小在224*224～299*299间的缩放图像的其中至少一者后，进行步骤(C-1)～(C-3)重新建立所述训练模型的其中至少一者，以调整所述训练模型。

6.一种视网膜病变评估模型建立系统，其特征在于：包含：

存储单元，存储多张分别相关于多个训练者的视网膜图像，每一视网膜图像对应病变严重程度等级；

图像校正单元，电连接所述存储单元，将所述视网膜图像进行图像校正，以获得多张校正后图像；及

模型建立单元，电连接所述图像校正单元，将所述校正后图像分群成训练子集、验证子集，及测试子集，并根据所述训练子集中的每一校正后图像及其对应的病变严重程度等级，与所述验证子集中的每一校正后图像及其对应的病变严重程度等级，建立视网膜病变评估模型，且根据所述测试子集检测所述视网膜病变评估模型的准确率。