一种基于深度学习的糖尿病视网膜图像病变分类方法技术

本发明专利技术公开了一种基于深度学习的糖尿病视网膜图像病变分类方法，包括以下步骤：A、在kaggle网站上下载糖尿病视网膜图像数据集；B、对所得糖尿病视网膜图像数据集进行色彩平衡调整、亮度调整、对比度调整、缩放裁剪等预处理；C、在VGG网络模型的基础上，搭建新的VGG‑L网络分类模型；D、采用预处理后的图像数据集对所搭建的模型进行训练；E、采用糖尿病视网膜图像测试集对训练后模型进行分类准确度判断。本发明专利技术采用的分类方法能将糖尿病视网膜图像按照病变程度进行五分类，并且分类准确度高，具有较好的鲁棒性和泛化性。

A Classification Method of Diabetic Retinopathy Based on Deep Learning

【技术实现步骤摘要】
一种基于深度学习的糖尿病视网膜图像病变分类方法
本专利技术是糖尿病视网膜图像分类方法，适用于机器学习、生物医学和图像处理领域。
技术介绍
近年来，随着科学技术的进步和医学成像采集设备的不断完善，以及图像处理、模式识别、机器学习、深度学习等学科的不断发展，多学科交叉的医学图像处理与分析领域（MedicalImageProcessingandAnalysis）取得了丰硕的成果。糖尿病是一组以高血糖为特征的代谢性疾病，易导致各种组织如眼睛、心脏、脑部、血管等发生病变，是一种具有特异性改变的眼底病变。糖尿病视网膜病变，是糖尿病性微血管病变中最重要的表现，是一种主要的致盲疾病。目前，该病在临床诊断中主要依赖于眼科医生对眼底图像进行详细地筛查，然后对患者的病情进行评估给出结论。但待筛查的糖尿病患者数量巨大，并且部分地区医疗资源匮乏，绝大多数的糖尿病视网膜病变患者不能得到及时的诊断和治疗，从而错过了最佳的治疗机会，最终造成不可逆转的视力损伤乃至失明的后果。人工诊断的效果极度依赖于临床医生的诊治经验，可能患者不及时就医、病变较轻和医生经验不足等原因会造成误诊、漏诊，严重时还可能会让患者错过最佳治疗时本文档来自技高网...

【技术保护点】
1.一种基于深度学习的糖尿病视网膜图像病变分类方法，其特征在于： A、在kaggle网站上下载糖尿病视网膜图像数据集；B、对所得糖尿病视网膜图像数据集进行色彩平衡调整、亮度调整、对比度调整、缩放裁剪等预处理；C、在VGG网络模型的基础上，搭建新的VGG‑L网络分类模型；D、采用预处理后的图像数据集对所搭建的模型进行训练；E、采用糖尿病视网膜图像测试集对训练后模型进行分类准确度判断。

【技术特征摘要】
1.一种基于深度学习的糖尿病视网膜图像病变分类方法，其特征在于：A、在kaggle网站上下载糖尿病视网膜图像数据集；B、对所得糖尿病视网膜图像数据集进行色彩平衡调整、亮度调整、对比度调整、缩放裁剪等预处理；C、在VGG网络模型的基础上，搭建新的VGG-L网络分类模型；D、采用预处理后的图像数据集对所搭建的模型进行训练；E、采用糖尿病视网膜图像测试集对训练后模型进行分类准确度判断。2.根据权利要求1所述的一种基于深度学习的糖尿病视网膜图像病变分类方法，其特征在于：所述步骤A中取得数据集方法如下：a、在竞赛平台kaggle中的DiabeticRetinopathyDetection比赛中获取糖尿病视网膜图像数据集；b、获取按照病变程度将视网膜图像分成了正常、轻微病变、中度病变、重度病变、增生性病变五类的标注表格。3.根据权利要求1所述的一一种基于深度学习的糖尿病视网膜图像病变分类方法，其特征在于：所述步骤B中图像预处理方法如下：a、对于色偏、过饱和或饱和度不足的彩色糖尿病视网膜眼底图像，采用PIL工具中的ImageEnhance模块，进行色彩平衡、亮度、对比度调整；b、对于有黑色背景多的糖尿病视网膜图像，进行裁剪；c、由于原始图片相当大（例如，平均为3000*2000像素），因此使用正常双线性重新缩放，破坏原始宽高比的办法对糖尿病视网膜图像进行缩放。4.根据权利要求1所述的一种基于深度学习的糖尿病视网膜图像病变分类方法，其特征在于：所述步骤C中搭建模型方法如下：a、基于深度学习中的卷积神经网络，搭建VGG网络模型，并在此基础上进行改进；b、使...

【专利技术属性】
技术研发人员：高俊山，刘梦颖，邓立为，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23