[发明专利]基于深度学习的糖尿病视网膜病变图像多分类方法

摘要

本发明揭示了基于深度学习的糖尿病视网膜病变图像多分类方法，包括如下步骤：首先，获取原始数据集，并将原始数据集进行预处理；然后将预处理后的数据集进行类别数据平衡；之后，将类别数据平衡后的数据集进行迁移训练，得到糖尿病视网膜病变图像多分类模型；最后，将待测样本输入糖尿病视网膜病变图像多分类模型进行预测，并完成对糖尿病视网膜病变图像的分类。本发明提供的方法具有使用便捷的优点，另外，本发明通过将类别数据平衡后的数据集进行迁移训练，提高了分类准确率。

主权项

1.一种基于深度学习的糖尿病视网膜病变图像多分类方法，其特征在于，包括如下步骤：S1：获取一系列五种类别的眼底图像作为原始数据集，将原始数据集进行预处理，得到适合网络训练的图片规模大小；S2：基于步骤S1中预处理后的数据集进行类别数据平衡，并将类别数据平衡后的数据集划分为训练集和测试集，所述类别数据平衡的方式包括用于保持所述训练集个数平衡的上采样及下采样；S3：将步骤S2中类别数据平衡后的数据集进行迁移训练，所述迁移训练包括第一次迁移训练与第二次迁移训练，第一次迁移训练是将小尺寸训练集图像输入至网络中进行训练，生成特征图，其中，训练网络浅层采用VGG16网络结构参数，深层网络参数根据训练集图像进行第一次微调；第二次迁移训练是将第一次微调得到的模型迁移至大尺寸训练集图像进行第二次微调，得到糖尿病视网膜病变图像多分类模型；S4：将待测样本输入所述步骤S3中的糖尿病视网膜病变图像多分类模型进行预测，并完成对糖尿病视网膜病变图像的分类。