[发明专利]基于眼象识别的糖尿病诊断模型的构建方法和电子设备

权利要求书

1.一种基于眼象识别的糖尿病诊断模型的构建方法，应用于电子设备，其特征在于，所述构建方法包括步骤：

基于所述电子设备获取人群的多组双眼眼象图像和人口学信息，所述人群包括非健康人群和健康人群，所述非健康人群包括其他疾病人群和糖尿病人群；

对每组所述双眼眼象图像进行预处理，得到每组所述双眼眼象图像的巩膜图像和虹膜图像，基于所有所述巩膜图像和所述虹膜图像构建训练样本集；

利用所述训练样本集中的非健康样本和健康样本构建第一步骤分类器；

利用所述训练样本集中的其他疾病样本和糖尿病样本构建第二步骤分类器；

对所述第一步骤分类器和所述第二步骤分类器进行整合处理，得到糖尿病诊断模型。

2.如权利要求1所述的构建方法，其特征在于，所述双眼眼象图像包括双眼在多个视角时的眼部图像。

3.如权利要求1所述的构建方法，其特征在于，所述对每组所述双眼眼象图像进行预处理，包括步骤：

对每个所述双眼眼象图像的亮度通道进行白平衡归一化处理；

提取经过白平衡归一化处理的所述双眼眼象图像的巩膜部分图像和虹膜部分图像；

针对所述巩膜部分图像和所述虹膜部分图像进行精确提取处理，得到所述巩膜图像和所述虹膜图像。

4.如权利要求3所述的构建方法，其特征在于，所述对每组所述双眼眼象图像进行预处理，还包括步骤：

对所述巩膜图像和/或所述虹膜图像进行增强处理。

5.如权利要求1所述的构建方法，其特征在于，所述利用所述训练样本集中的非健康样本和健康样本构建第一步骤分类器，包括步骤：

将所述非健康样本作为病例组样本，将所述健康样本作为对照组样本，使用年龄分层的、多元、多视角、多阶段的迁移学习方法对深度残差神经网络进行训练，得到所述第一步骤分类器。

6.如权利要求1所述的构建方法，其特征在于，所述利用所述训练样本集中的其他疾病样本和糖尿病样本构建第二步骤分类器，包括步骤：

将所述糖尿病样本作为病例组样本，将所述其他疾病样本作为对照组样本，使用年龄分层的、多元、多视角、多阶段的迁移学习方法对深度残差神经网络进行训练，得到所述第二步骤分类器。

7.如权利要求1～6任一项所述的构建方法，其特征在于，构建方法还包括步骤：

根据所述双眼眼象图像和所述糖尿病诊断模型构建回归模型，所述回归模型用于预测空腹血糖。

8.一种电子设备，其特征在于，所述电子设备包至少一个处理器和与所述处理器连接的存储器，其中：

所述存储器用于存储计算机程序或指令；

所述处理器用于获取并执行所述计算机程序或指令，以使所述电子设备实现如权利要求1～7任一项所述的基于眼象识别的糖尿病诊断模型的构建方法。