[发明专利]早产儿视网膜病变识别装置、存储介质和电子设备

权利要求书

1.一种早产儿视网膜病变识别装置，其特征在于，该装置包括：

眼底图像获取模块，用于获取早产儿同一眼球的多视角的眼底图像；

体征信息获取模块，用于获取早产儿的体征信息；所述体征信息包括孕龄信息和体重信息；

数据预处理模块，用于对早产儿的眼底图像和体征信息进行预处理；

深度神经网络分类模块，用于将预处理后的早产儿的眼底图像和体征信息输入训练好的深度神经网络模型，得到深度神经网络模型的分类结果；分类结果包括早产儿视网膜病变或正常中的一种；

识别结果输出模块，用于输出包含分类结果的识别结果。

2.如权利要求1所述的一种早产儿视网膜病变识别装置，其特征在于，所述数据预处理模块包括：

图像预处理单元，用于对图像进行尺寸缩放和高斯预处理；

体征信息编码单元，用于将体征信息转换为二进制向量。

3.如权利要求2所述的一种早产儿视网膜病变识别装置，其特征在于，所述将体征信息转换为二进制向量，具体步骤包括：

(1)基于测试集对应的体征信息，对体征信息分割为[t₁，t₂]，[t₂，t₃]，…，[t_n-1，t_n]，共n-1个体征信息区间；

(2)待预测图像对应患者的体征信息为x∈[t_i-1，t_i](i∈[2,n])，则对于上述n-1个体征信息区间，将[t₁，t₂]，[t₂，t₃]，…，[t_i-1，t_i]内的编码值对应为0；

(3)对于[t_i，t_i+1]～[t_n-1,t_n]中的编码置为1。

4.如权利要求1所述的一种早产儿视网膜病变识别装置，其特征在于，所述深度神经网络模型包括：

特征提取模块，用于对预处理后的眼底图像进行特征提取，得到图像特征；

信息融合模块，用于将图像特征、编码后的孕龄信息和编码后的体重信息进行融合，得到融合后的特征，并对所述融合后的特征进行降维处理，得到降维之后的融合特征；

分类模块，用于基于降维之后的融合特征得到分类结果。

5.如权利要求4所述的一种早产儿视网膜病变识别装置，其特征在于，所述特征提取模块包括：一个输入层、一个卷积层，一个池化层，多个Resnet模块；每个所述Resnet模块由多个不同参数尺度的卷积层、下采样层、残差连接结构构成；

所述信息融合模块包括两个特征拼接层和多个全连接层；

所述分类模块包括一个二类别的全连接分类器。

6.如权利要求1所述的一种早产儿视网膜病变识别装置，其特征在于，所述识别结果还包括：早产儿视网膜病变概率、正常概率和不确定度信息，其中，所述不确定度信息包括：噪声不确定度、模型不确定度以及语义不确定度；.

所述不确定度信息获取方法为：利用dropout，通过多次蒙特卡洛采样，随机失活权重m次，得到m组对应的每个分类的预测值；

将m组预测值的均值作为模型最终输出的分类概率预测值；

将m组正常概率的方差作为模型不确定度；

将模型的数据噪点作为噪声不确定度；

通过计算预测分类结果分布和理想分类结果分布的距离，作为语义不确定度。

7.如权利要求6所述的一种早产儿视网膜病变识别装置，其特征在于，该装置还包括所述深度神经网络训练模块，用于通过训练集，采用五折交叉验证对深度神经网络模型进行训练；包括：

且所述深度神经网络的loss函数包括：Resnet分类的交叉熵损失；噪声不确定度损失、模型不确定度损失、语义不确定度损失的加权组合。