[发明专利]基于迁移卷积网络对眼底图像进行血管病变分级识别方法

权利要求书

1.一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，包括：

A1、对眼底图像数据集进行随机数据增广；

A2、将眼底图像数据集标注为是否患有血管病变；

A3、将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；

A4、将眼底图像数据集划分为训练集与测试集；

A5、对眼底图像数据集进行裁剪；

A6、在预训练模型结构的基础上，保持所述预训练模型的初始层的权重不变，修改网络架构的深层，从而适应所述眼底图像数据集；

A7、对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；

A8、通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；

A9、基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果；

还包括训练过程；

所述训练过程包括：

B1、通过冻结预训练过的层，只训练适用于血管病变识别的模型；

B2、对输入图像是否为患有血管病变通过一对多分类器算法识别出正样本的数据以及分类出负样本的数据；

B3、基于血管病变识别的模型对分类器进行修改，输入图像通过多对多的多分类器算法分类出以健康与不同动静脉局部狭窄严重级别为指标的眼底图像数据，从而进行判断。

2.根据权利要求1所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，所述A4具体为：将眼底图像数据集以指定的比例随机划分为训练集与测试集。

3.根据权利要求1所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，所述A5具体包括：将训练分类器及测试分类器的图像裁剪为指定像素大小的图像作为输入，并对图像进行归一化处理，由图像转换为张量。

4.根据权利要求1所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，所述A9包括：通过模型修改分类器的层进行反向传播。

5.根据权利要求4所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，所述分类器的层包括全连接层、ReLU层和SoftMax层。

6.根据权利要求1所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于,所述训练过程还包括：B4、以固定部分参数与预训练模型的权重重新训练添加的分类器层。

7.根据权利要求6所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，所述训练过程还包括：B5、在分类器设置Dropout层，以指定比例保留及其暂时从架构中丢弃部分的神经元。

8.根据权利要求1所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于：所述预训练模型为ResNet-50的预训练模型。

9.一种计算机可读存储介质，其特征在于，包括：所述计算机可读存储介质中存储有程序指令，所述程序指令被计算机的处理器执行时使所述处理器执行根据权利要求1至8任一项所述方法。