[发明专利]基于深度学习的眼底图像病灶区域标注方法

摘要

本发明公开一种基于深度学习的眼底图像病灶区域标注方法，该方法包括选取样本并进行预处理，包括图像的裁剪、水平上下翻转及归一化处理；构建卷积神经网络和解卷积神经网络作为图像生成器，输入预处理后的彩色眼底图像，输出对应的病灶概率图；构建卷积神经网络作为判别器，输入生成病灶图与真实病灶图，输出病灶图判断成真实图像的概率；交替训练生成网络与判别网络直到可以生成满意结果；根据生成的病灶概率图在眼底图像中标注病灶区域。本发明使用深度卷积神经网络生成眼底图像病灶概率图，对眼底图像病灶区域进行自动标注。自动标注可以为医生的诊断提供辅助依据，同时能够大大减轻人工标注的代价。

主权项

1.基于深度学习的糖尿病视网膜病变图像标注方法，其特征在于，包括如下步骤：（1）选取DIARETDB1数据集中含有硬渗出物病灶的眼底图像以及其对应的硬渗出物病灶概率图作为原始数据样本，对眼底图像和病灶概率图进行预处理，得到训练集和测试集；（2）构建生成网络，通过深度卷积神经网络和解卷积神经网络构建图像生成器，对于给定的眼底图像生成对应的病灶概率图；（3）构建判别网络，通过深度全卷积神经网络构建图像判别器，用于判断送入判别网络中的病灶概率图的真实性，同时判断其是否与眼底视网膜图像匹配；（4）将预处理后得到的训练集，送入生成网络得到生成病灶概率图，然后将生成图像送入判别网络，计算损失函数，迭代更新参数，使得生成的病灶概率图在特征分布上尽可能接近真实的病灶概率图；（5）生成图像后处理，对生成的病灶概率图进行阈值处理和边缘检测，提取病灶图的边界框并在原图上标出，实现对眼底图像病灶区域自动标注的功能；（6）用训练好的眼底图像病灶区域标注模型在测试集上做测试，验证模型效果，根据模型效果微调参数，多次训练模型，获得最佳效果的模型。