[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

说明书

本发明公开了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。本发明实现了对糖尿病视网膜病变区域定位检测的方法，利用YOLO模型，准确度高，具有很强的应用价值。

技术领域

本发明涉及糖尿病视网膜病变图像区域定位检测领域，具体为一种基于YOLO深度神经网络模型的糖尿病视网膜图像定位检测方法。

背景技术

针对糖尿病性视网膜病变图像的定位检测技术具有很高工程应用价值，截止到2018年，International Diabetes Federation的数据显示，全世界糖尿病患者已经达到5.06亿，预计到2050年，糖尿病患者便可达到6.73亿。我国的糖尿病患者数量排名全球第一，当然，这也基于我国的人口基数庞大，但这仍然是不可忽略的问题，一般来讲，糖尿病患者的患病时间越长，越有可能出现糖尿病并发症，糖尿病视网膜病变也会随之而来。目前，我国的糖尿病患者众多，而眼科大夫稀少的问题急需解决，而且在偏远地区的眼科大夫数量不足而导致糖尿病患者的病情一再拖延，发现不及时而导致失明也是我国失明人数增加的重要原因之一。

由于医疗设备的不同、拍摄装置的成像原理差异、拍摄图像时的不同光照条件等外界环境的差异影响，而且视网膜血管纵横交错、病变区域交叉、结构复杂等特点，采集到的视网膜图像会存在光照不匀、亮度不均衡、模糊、视网膜血管和背景的对比度不强、特征选取不合理等问题，严重影响计算机辅助医疗诊断在临床中的应用。

基于此，设计一种可以对糖尿病视网膜病变区域进行定位检测的深度网络检测方法，可以辅助医生进行病情诊断和检测治疗，缓解医疗压力，对我国的糖尿病视网膜病变疾病的检测与治疗具有重大意义。

发明内容

本发明的目的在于提供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，以解决上述背景技术中提出的问题。

本发明为了解决上述背景技术中提出的问题，提供如下技术方案：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。

优选的，所述步骤A中标出病变区域的预处理方法如下：

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。

优选的，所述步骤B中搭建深度学习服务器平台的方法如下：

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。

优选的，所述步骤C中利用YOLO网络模型进行训练的方法如下：