[发明专利]基于眼底图像的糖尿病分类方法及设备

权利要求书

1.一种糖尿病分类模型构建方法，其特征在于，包括：

获取样本数据，包括眼底图像、多种糖尿病相关信息和糖尿病类型信息；利用大量所述样本数据对机器学习模型进行训练，使其输出评估结果，所述评估结果至少包括对应于所述糖尿病类型信息的糖尿病分类结果，所述机器学习模型包括特征提取网络和至少一个输出网络，其中所述特征提取网络用于从所述眼底图像中提取特征信息，所述至少一个输出网络用于分别根据所述特征信息输出所述评估结果；所述机器学习模型根据输出的所述评估结果与样本数据中的多种糖尿病相关信息和糖尿病类型信息调整自身的参数。

2.根据权利要求1所述的方法，其特征在于，所述机器学习模型只有一个输出网络，用于根据所述特征信息和所述多种糖尿病相关信息输出所述糖尿病分类结果。

3.根据权利要求1所述的方法，其特征在于，所述输出网络有多个，其中一个输出网络用于输出所述糖尿病分类结果，其它输出网络用于分别输出与所述多种糖尿病相关信息相应的识别结果；

所述机器学习模型根据输出的所述评估结果与样本数据中的多种糖尿病相关信息和糖尿病类型信息调整自身的参数，包括：

根据所述糖尿病分类结果与样本数据中的糖尿病类型信息的差异确定第二损失值；

根据所述识别结果与样本数据中的糖尿病相关信息的差异确定第三损失值；

根据所述第二损失值和所述第三损失值确定第一损失值；

所述机器学习模型根据所述第一损失值调整自身参数。

4.根据权利要求3所述的方法，其特征在于，所述其它输出网络包括分类网络和/或回归网络；

所述分类网络输出的识别结果为分类结果，所述分类结果与所述样本数据中相应的糖尿病相关信息的差异通过交叉熵函数进行表示；

所述回归网络输出的识别结果为数值，所述回归结果与所述样本数据中相应的糖尿病相关信息的差异通过误差函数进行表示。

5.根据权利要求3所述的方法，其特征在于，所述机器学习模型至少根据所述第一损失值调整所述特征提取网络的参数。

6.根据权利要求5所述的方法，其特征在于，所述机器学习模型还根据所述第二损失值调整相应的输出网络的参数，以及分别根据所述第三损失值调整相应的输出网络的参数。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述糖尿病相关信息包括年龄、性别、收缩压、舒张压、家族糖尿病历史、高密度脂蛋白、三油甘脂、BMI、腰围、空腹血糖、餐后两小时血糖、葡萄糖耐量试验数据、血液白细胞计数中的部分或者全部。

8.一种糖尿病分类方法，其特征在于，包括：获取用户的眼底图像；利用权利要求1-7中任一项所述的方法构建的机器学习模型对所述眼底图像进行识别，至少输出糖尿病分类结果。

9.根据权利要求8所述的方法，其特征在于，所述机器学习模型还根据所述眼底图像输出多种糖尿病相关信息。

10.根据权利要求9所述的方法，其特征在于，所述糖尿病相关信息包括年龄、性别、收缩压、舒张压、家族糖尿病历史、高密度脂蛋白、三油甘脂、BMI、腰围、空腹血糖、餐后两小时血糖、葡萄糖耐量试验数据、血液白细胞计数中的部分或者全部。

11.一种糖尿病分类模型构建设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-7中任意一项所述的糖尿病分类模型构建方法。

12.一种糖尿病分类设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求8-10中任意一项所述的糖尿病分类方法。