[发明专利]计算机实现的方法、计算机实现的诊断方法、图像分类设备、以及计算机程序产品

权利要求书

1.一种计算机实现的分类方法，包括：使用包括残差网络的分类模型将人眼的眼底图像分类为多个类别中的一个或多个，所述多个类别包括与正常状态以及多种不同疾病的疾病状态相对应的类别；

其中，使用所述分类模型对所述眼底图像进行分类包括：

将所述眼底图像作为输入图像输入至所述残差网络中，所述残差网络包括：顺序连接的N个残差块，N≥2；分别位于所述N个残差块中的两个相邻残差块之间的(N-1)个池化层；以及分别连接至所述N个残差块中的第一至第(N-1)残差块的(N-1)个卷积层；

分别通过所述(N-1)个卷积层处理来自所述N个残差块中的第一至第(N-1)残差块的输出；

对分别来自所述(N-1)个卷积层的输出进行矢量化，以生成(N-1)个矢量化输出；

对来自所述N个残差块中的最后一个残差块的输出进行矢量化，以生成最后一个矢量化输出；以及

将所述(N-1)个矢量化输出与所述最后一个矢量化输出连接在一起，以生成连接输出。

2.根据权利要求1所述的计算机实现的分类方法，还包括：

对来自第n残差块的输出进行池化，以生成第n中间图像；以及

通过第(n+1)残差块处理所述第n中间图像，1≤n≤(N-1)；

其中，通过所述(N-1)个卷积层分别处理来自所述N个残差块中的第一至第(N-1)残差块的输出而不进行池化。

3.根据权利要求2所述的计算机实现的分类方法，其中，所述(N-1)个池化层是(N-1)个最大池化层。

4.根据权利要求1至3中任一项所述的计算机实现的分类方法，其中，所述(N-1)个卷积层中的对应一个是包括1*1卷积核的卷积层，并且配置为将输入数据通道的总数量降低至1。

5.根据权利要求1至4中任一项所述的计算机实现的分类方法，其中，使用所述分类模型对图像进行分类还包括：通过全连接层处理所述连接输出。

6.根据权利要求1至5中任一项所述的计算机实现的分类方法，其中，所述N个残差块中的对应一个包括具有残差跳跃连接的M个卷积块。

7.根据权利要求6所述的计算机实现的分类方法，其中，所述M个卷积块中的对应一个包括顺序连接的第一卷积层、第二卷积层和第三卷积层，所述第一卷积层包括1*1卷积核，所述第二卷积层包括3*3卷积核，并且所述第三卷积层包括1*1卷积核。

8.根据权利要求1至7中任一项所述的计算机实现的分类方法，其中，将所述输入图像输入至所述残差网络中包括：

通过位于所述N个残差块中的第一残差块之前的包括7*7卷积核的卷积层来处理所述输入图像；

对来自位于所述第一残差块之前的所述卷积层的输出进行池化；以及

输出中间图像作为到所述第一残差块的输入。

9.根据权利要求1至8中任一项所述的计算机实现的分类方法，还包括通过以下步骤预训练所述分类模型：

将多个训练图像输入至所述残差网络中；

将分别对应于所述多个训练图像的多个训练类别输入至所述分类模型中；

将所述多个训练图像中的对应一个分类为一个或多个预测类别；

通过将所述一个或多个预测类别与所述多个训练类别中的指定给所述多个训练图像中的所述对应一个的一个或多个训练类别进行比较，来计算损耗；以及

基于所述损耗来调整所述残差网络。

10.根据权利要求9所述的计算机实现的分类方法，其中，通过下式计算所述损耗：

其中，C表示所述多个训练类别的总数量，y_n表示所述多个训练类别中的指定给所述多个训练图像中的所述对应一个的所述一个或多个训练类别，并且x_n表示所述一个或多个预测类别。