[发明专利]一种基于深度神经网络的眼底异常预测系统

权利要求书

1.一种基于深度神经网络的眼底异常预测系统，其特征在于：包括

异常眼底筛查子模型，用于判断受试者眼底正常或异常；

异常体征识别子模型，用于预测受试者眼底体征正常或异常，完成异常眼底部位的进一步检测，所述眼底体征异常包括视盘病变、视网膜病变、黄斑病变和玻璃体病变；

眼底疾病诊断子模型，用于预测受试者的眼底是否患有四种潜在的威胁视力的眼底疾病，具体包括视网膜糖尿病病变、近视、视网膜裂孔和视网膜脱落；

第一分类器，异常眼底筛查子模型采用第一分类器作为分类器；

第二分类器，异常体征识别子模型和眼底疾病诊断子模型均采用第二分类器作为分类器；

第一特征提取器、第二特征提取器、第三特征提取器、第四特征提取器、第一学习器、第二学习器、第三学习器和第四学习器，其中，第一特征提取器采用DenseNet201，第二特征提取器采用InceptionV3，第三特征提取器采用IncepResnetV2，第四特征提取器采用Xception。

2.根据权利要求1所述的一种基于深度神经网络的眼底异常预测系统，其特征在于：所述第一分类器由两个深度神经网络卷积块和若干个全连接的神经网络层组成，所述每一个深度神经网络卷积块内部分别包括32个3*3卷积核和64个3*3卷积核，所述每一个深度神经网络卷积块均采用ReLU函数进行各层神经元之间的非线性映射，并使用2*2的最大池化层进行特征压缩，其后添加dropout层，最后使用Softmax函数输出眼底正常或异常的概率值，并利用二分类熵对第一分类器每一批次的训练效果进行控制。

3.根据权利要求2所述的一种基于深度神经网络的眼底异常预测系统，其特征在于：异常眼底筛查子模型构建过程包括：

对学习率的控制采用步长学习方法训练第一分类器，初始速率是2e-5，然后以0.5的固定步长降低到2e-10，其中，采用第一特征提取器和第一分类器串联组成第一学习器，并利用第一学习器建立异常眼底筛查子模型。

4.根据权利要求1所述的一种基于深度神经网络的眼底异常预测系统，其特征在于：所述第二分类器为五层的全连接感知分类器，所述第二分类器的第一层为Global averagepooling(GAP)层，所述第二分类器第二层至第五层分别包含2048、1024、512和256个隐藏神经元，所述第二分类器的第一层至第五层之后均添加Leaky ReLU函数和dropout层，所述第二分类器的第五层添加Softmax函数。

5.根据权利要求4所述的一种基于深度神经网络的眼底异常预测系统法，其特征在于：所述异常体征识别子模型的构建过程包括：

采用的分步学习方法训练第二分类器，如果验证集的损失不再减少，网络训练将在10次迭代之后中断，将第二特征提取器和第三特征提取器分别与第二分类器串联，并利用平均Softmax函数值的方法建立二值分类模型，将第四特征提取器与第二分类器串联，并将第四特征提取器和二值分类模型进行训练后建立第二学习器、第三学习器和第四学习器，利用第二学习器、第三学习器和第四学习器建立异常体征识别子模型。

6.根据权利要求4所述的一种基于深度神经网络的眼底异常预测系统法，其特征在于：所述眼底疾病诊断子模型的构建过程包括：

将第二特征提取器、第三特征提取器和第四特征提取器分别与第二分类器串联，并利用平均Softmax函数值的方法分别建立第二学习器、第三学习器和第四学习器，利用第二学习器、第三学习器和第四学习器建立眼底疾病诊断子模型。