[发明专利]基于模糊图神经网络的糖网病眼底图像分级方法

说明书

本发明提供一种基于模糊图神经网络的糖网病眼底图像分级方法，通过一个预先训练完成的糖网病眼底图像分级模型对糖网病眼底图像进行分级，该模型具有特征提取器、关系编码器、隶属函数模块以及图分类器，方法包括如下步骤：步骤S1，利用特征提取器对糖网病眼底图像进行特征提取得到眼底特征；步骤S2，将眼底特征以及预训练的支持集中的图像特征作为节点并通过关系编码器和隶属函数模块构建稀疏图结构；步骤S3，在稀疏图结构上，通过图分类器进行关注节点特征的图网络更新，对更新过后的节点进行分类完成糖网病眼底图像的分级；步骤S4，判断支持集中的图像数量是否达到预设的数量上限，若否则将将糖网病眼底图像加入到支持集中从而形成新的支持集。

技术领域

本发明属于深度学习领域，具体涉及一种基于模糊图神经网络的糖网病眼底图像分级方法。

背景技术

糖尿病视网膜病变(Diabetic Retinopathy,DR)，属于糖尿病引起的一种眼科疾病，又称为糖网病。在医学上，糖网病可以简单地分为增殖期和非增殖期，更具体的划分如下：(1)无病，视网膜无异常；(2)轻度非增生期(mild NPDR)，微小出血点出现在患者视网膜上；(3)中度非增生期(moderate NPDR)，表现为出血范围扩大并伴有硬性渗出；(4)重度非增生期(severe NPDR)，新血管和絮状斑开始出现；(5)增生期(PDR)，玻璃体受到破坏，大部分失明案例也是在这一阶段发生。其中处于增生期的糖网病还可以细分为三级，本文不再赘述。眼底图像中，不同的病灶随着疾病的发展也会发生很多变化。

目前常用的检测手段是利用从专业的眼底照相机获取患者眼底图像，这种眼底图像因为其无可替代的特性，是目前最可靠的诊断依据。其特点有：(1)眼底图像利于医生无创观察到深层的微血管；(2)由于视网膜的封闭性，很少出现老化、变形、磨损等问题，所以得到的结论比较可靠；(3)其他疾病很难影响到视网膜的结构，这使得医生的误诊率大大降低。

传统的糖网病检测需要医生人工来进行操作与诊断，这一方法存在优点，但是费力且低效，对一个受过专业训练的医生而言，需要针对每一个患者的眼底图像都需要进行检查并做出判断；对于患者而言，采集完眼底图像之后，往往需要经过数天的等待才能得到结果。

近些年，随着人工智能和深度学习在各行各业的落地，尤其是计算机视觉中的图像识别、分割以及检测等领域，在某些特定的任务上，其水平已经超越一般人类。但目前在糖网病眼底图像分类任务中，由于病理图像与自然图像有着很大的区别，眼底图像特征较为稀疏，并且数据分布及其不平衡等问题，会对眼底图像的识别造成影响。

发明内容

为解决上述问题，提供一种基于模糊图神经网络的糖网病眼底图像分级方法，该方法将模糊控制理论和图神经网络方法结合，能够形成强先验图结构，这种结构能够在数据量不足的情况下，有效的对糖网病眼底图像进行分级。本发明具体采用了如下技术方案：