[发明专利]一种使用超轻量级SqueezeNet网络的糖尿病视网膜病变分级方法

摘要

本发明公开了一种使用超轻量级SqueezeNet网络的糖尿病视网膜病变分级方法，它针对每一类糖尿病视网膜病变准备大量SLO眼底照片并进行预处理和数据扩增；建立包含fire模块的超轻量级SqueezeNet深度卷积神经网络；基于大量眼底照片对深度卷积神经网络进行训练，使深度卷积神经网络的最终输出值符合眼底照片的分级结果；从而即可利用训练好的深度卷积神经网络自动进行疾病分级。本发明的方法通过对大量包括诊断标记的眼底镜照片的运用，通过超轻量级深度学习网络和很少的参数来实现自动从训练范例库中学习所需特征并进行分级判断，在训练过程中不断纠正用于判断的数据特征以及深度卷积神经网络参数，从而能够极大提高在现实应用场景中的分级准确性和可靠度。

主权项

1.一种使用超轻量级SqueezeNet网络的糖尿病视网膜病变分级方法，其特征在于，包括以下步骤：S1：准备照片库，所述照片库中包含若干包括诊断标记的激光单通道眼底镜照片，且每类糖尿病视网膜病变均对应有具有多张所述眼底镜照片的分类照片库；其中所述糖尿病视网膜病变共四类：none，mild，moderate，severe。S2：对所述照片库中的眼底照片进行预处理而得训练范例照片，且所述训练范例照片构成训练范例库，所述训练范例库中的照片数量大于所述照片库中的照片数量；每类糖尿病视网膜病变均对应有具有多张所述训练范例照片的分类训练范例库；S3：针对多类糖尿病视网膜病变建立一种包含fire模块的超轻量级SqueezeNet深度卷积神经网络；所述深度卷积神经网络包括多层神经网络架构；所述深度卷积神经网络中，各层所述神经网络架构均基于其前一层所述神经网络架构而搭建；S4：针对所述SqueezeNet深度卷积神经网络，采用所述分类训练范例库中的训练范例照片多次训练所述深度卷积神经网络中的神经网络架构，训练时按照设定的学习率调整所述神经网络架构的参数，从而得到针对糖尿病视网膜病变的训练后的深度卷积神经网络；S5：基于所述训练后的深度卷积神经网络中最后一层所述神经网络架构的输出值对所述糖尿病视网膜病变进行分级。