[发明专利]视网膜图像分类模型训练方法、系统、存储介质及设备

权利要求书

1.视网膜图像分类模型训练方法，其特征在于：包括以下步骤：

获取糖尿病视网膜病变图像的数据集，数据集具有两个子集，子集一为元训练集，子集二为元测试集；

从元训练集和元测试集中随机获取图像数据分别构建元训练任务和元测试任务；

构建卷积神经网络模型；

元训练阶段，基于构建的模型利用至少一个元训练任务训练，获取模型的最优初始化参数；

元测试阶段，构建的模型基于最优初始化参数执行元测试任务获得糖尿病视网膜病变图像的分类结果。

2.视网膜病变图像分类模型训练系统，包括：

元任务构建模块，被配置为：获取糖尿病视网膜病变图像分类的数据集，数据集具有两个子集，子集一为元训练集，子集二为元测试集，从元训练集和元测试集中随机获取图像数据分别构建元训练任务和元测试任务，每个元任务又被划分成支持集和查询集；

元训练模块，被配置为：在元训练阶段，构建的卷积神经网络模型模型在多个元训练任务上训练，并获取模型的最优初始化参数。

元测试模块，被配置为：在元测试阶段，构建的卷积神经网络模型模型基于最优初始化参数执行元测试任务，实现糖尿病视网膜病变图像的分类。

3.如权利要求2所述的视网膜图像分类模型训练方法，其特征在于：所述卷积神经网络模型包括至少四组分别连接在一起的卷积层和最大池化层，最后一组卷积层和最大池化层通过全连接层与输出层连接，卷积层和最大池化层之间具有批归一化层。

4.如权利要求2所述的视网膜图像分类模型训练方法，其特征在于：所述元训练任务和元测试任务均具有支持集和查询集；支持集设有N个类别，每个类别中的样本数为K，查询集的样本为N类样本中的剩余样本。

5.如权利要求2所述的视网膜图像分类模型训练方法，其特征在于：元训练阶段对支持集进行内环更新，获取模型的初始化参数。

6.如权利要求2所述的视网膜图像分类模型训练方法，其特征在于：元训练阶段对查询集进行外环更新，获取查询集的总损失。

7.如权利要求6所述的视网膜图像分类模型训练方法，其特征在于：所述查询集的总损失为每个元训练任务在经过m次梯度下降更新的损失之和，元目标是最小化总损失函数。

8.如权利要求7所述的视网膜图像分类模型训练方法，其特征在于：利用最小化总损失函数，在元训练阶段获得最优初始化参数。

9.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1中所述的视网膜图像分类模型训练方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1所述的视网膜图像分类模型训练方法中的步骤。