[发明专利]一种基于深度学习的糖尿病视网膜病变区域定位检测方法在审
| 申请号： | 202011335434.9 | 申请日： | 2020-11-25 |
| 公开（公告）号： | CN112489003A | 公开（公告）日： | 2021-03-12 |
| 发明（设计）人： | 程玉鑫;戚静静 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/11;G06T7/73;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150080 黑龙江省哈*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 糖尿病 视网膜 病变 区域 定位 检测 方法 | ||
1.一种基于深度学习的糖尿病视网膜病变区域定位检测方法，包括以下步骤：
A、对已病变的糖尿病视网膜图像进行预处理，标出病变区域；
B、搭建深度学习服务器平台来进行python程序编写；
C、利用YOLO网络模型对数据集图像进行训练；
D、将多次迭代后得出的定位准确值绘制准确率曲线；
E、利用测试集图像验证所训练结果是否精确，准确率是否符合要求。
2.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变区域定位检测方法，其特征在于：所述步骤A中标出病变区域方法如下：
a、将图像数据分割，标记出病变图像的大致病变区域和病变特征，包括标记出眼底图像发光点和眼底微血管瘤等；
b、对所有的眼底图像进行整合，将其进行亮度与对比度的调整，对眼底图像背景进行裁剪。
3.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变区域定位检测方法，其特征在于：所述步骤B中搭建服务器平台方法如下：
a、安装Ubuntu16.04操作系统及所需NVIDIA显卡驱动；
b、在NVIDIA官网上下载CUDA10.0并行计算架构；
c、下载与CUDA10.0匹配的cuDNN7.4.2计算加速库；
d、下载Anaconda3软件包管理并配置python环境；
e、从Anaconda3上下载并安装TensorFlow1.13.1，配置所需环境；
f、编写基于TensorFlow1.13.1学习框架的python程序。
4.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变区域定位检测方法，其特征在于：所述步骤C中利用YOLO网络模型进行训练的方法如下：
a、将所得的15732张糖尿病视网膜病变图像进行拆分，12659张眼底图像作为训练集，3073张眼底图像作为测试集；
b、用公共网络上的模型参数对YOLO神经网络模型进行初始化；
c、用眼底图像对所述网络模型进行预训练；
d、定位检测，将预处理过的训练视网膜病变图像作为深度学习神经网络模型的输入，输出作为定位检测的结果。
5.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变区域定位检测方法，其特征在于：所述步骤D中绘制定位准确率曲线的方法如下：
a、使用样本激活函数，对训练集图像进行训练，网络损失函数为：
b、编写准确率算法程序，得出定位准确率曲线。
6.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变区域定位检测方法，其特征在于：所述步骤E中验证训练结果是否精确的方法如下：
a、将已经预处理过的具有3073张病变眼底图像的测试集作为输入，得到输出结果；
b、利用每一张测试集图像得到的准确率数值进行分析比较，验证训练结果精确度。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学，未经哈尔滨理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011335434.9/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种太阳能发电用支架截取装置
- 下一篇：一种可以在报废时自动预警的车用轮胎
