一种基于深度卷积神经网络的医疗图像分级系统和方法技术方案

本发明专利技术公开一种基于深度卷积神经网络的医疗图像分级方法和系统，包括：原始眼底图像的自动分割，分成视盘视杯两部分图像；提取图像绿色通道分量；利用直方图均衡化修正提取出的灰度图像；分别提取杯盘比、视神经纤维层缺损两种特征；使用深度卷积神经网络算法训练多个子分类器；组合子分类器，投票得出最终分类结果。采用本发明专利技术的技术方案，分类准确率有明显提升，有助于减少误诊，从而提高分类器的实用价值。

A medical image classification system and method based on deep convolution neural network

The invention discloses a deep convolutional neural network medical image classification method and system, which is based on automatic segmentation of original fundus image is divided into two parts, the optic disc cup image; image extraction Easy Access component; grayscale histogram equalization modified the extracted image; were extracted from the cup disc ratio, optic nerve fiber layer defect two features; using deep convolutional neural network algorithm for training multi classifier combination; sub classifiers, the final classification results of voting. Using the technical scheme of this invention, the classification accuracy is obviously improved, and it helps to reduce the misdiagnosis, thus improving the practical value of the classifier.

【技术实现步骤摘要】
一种基于深度卷积神经网络的医疗图像分级系统和方法
本专利技术属于机器学习领域，尤其涉及一种基于深度卷积神经网络的医疗图像(针对青光眼眼底图像)分级系统和方法
技术介绍
青光眼是世界上的第二大致盲疾病。青光眼病人的眼底通常会有大的视盘比、脉络膜萎缩弧以及神经纤维层缺损。青光眼筛选是一个非常复杂和困难的任务。目前青光眼的诊断基本都是依靠人工观测方式。但是人的视觉系统存在它的不足之处,比如存在主观性、局限性、模糊性、缺乏持久性等。为了能够实现检测的智能化自动化及信息化,迫切要求一种能够模拟人的视觉功能而又超越它的性能的计算机图像识别与诊断系统以识别与诊断青光眼病变。
技术实现思路
针对青光眼眼底图像识别的问题，本专利技术提供一种基于深度卷积神经网络的医疗图像分级系统和方法。本专利技术提出了一种眼底图像识别方法，使用了新的预处理方法以及新的深度更深的神经网络对数据集进行处理，在预处理环节加入了提取G通道、直方图均衡化、提高原有数据集的数量质量等步骤，在神经网络方面采用了8层的Alexnet替代之前的5层网络。除此之外还添加了“视神经纤维层缺损”这一特征对青光眼进行判断。提高了系统的整体准确率。这本文档来自技高网...

【技术保护点】
一种基于深度卷积神经网络的医疗图像分类方法，其特征在于，包括：自动分割原始图像提取原始医疗图像绿色通道分量；利用直方图均衡化修正提取出的灰度图像；分别从修正后的图像提取杯盘比特征和视神经纤维层缺损特征；使用深度卷积神经网络算法分别训练特征子集产生多个子分类器；组合子分类器，投票得出最终分类结果。

【技术特征摘要】
1.一种基于深度卷积神经网络的医疗图像分类方法，其特征在于，包括：自动分割原始图像提取原始医疗图像绿色通道分量；利用直方图均衡化修正提取出的灰度图像；分别从修正后的图像提取杯盘比特征和视神经纤维层缺损特征；使用深度卷积神经网络算法分别训练特征子集产生多个子分类器；组合子分类器，投票得出最终分类结果。2.根据权利要求1所述的基于深度卷积神经网络的医疗图像分级方法，其特征在于，所述自动分割原始图像过程为：利用感兴趣区域(ROI)自动提取技术实现。3.根据权利要求1所述的基于深度卷积神经网络的医疗图像分级方法，其特征在于，所述使用深度卷积神经网络算法分别训练特征子集产生子分类器即为将预处理好的图像输入深度卷积神经网络算法训练，生成相应的子分类器。4.根据权利要求1所述的基于深度卷积神经网络的医疗图像分级方法，其特征在于，所述组合子分类器，投票得出最终分类结果为：测试医疗图像分别由训练好的子分类器分类，统计分类结果，最多类即为最终分类结果。5.一种基于深度卷积神经网络的医疗图像分级系统，其特征在于，包括：自动分割原始图像装置...

【专利技术属性】
技术研发人员：李轶轩，李建强，李娟，刘博，胡启东，张苓琳，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11