The invention discloses a staging prediction method for diabetic retinopathy, which comprises the following steps: collecting the fundus color photograph image of diabetic patients; inputting fundus color photograph image into the trained simple staging network model to obtain the characteristics of the sugar web staging results; inputting fundus color photograph image into the trained lesion segmentation network model to obtain the segmentation results of the sugar web lesions. Characteristic; Combining the characteristics of sugar network staging results with the characteristics of sugar network lesion segmentation results to obtain the characteristics of segmentation staging combination; Predicting the classification of diabetic retinopathy staging according to the pre-determined optimal classifier and the priority of each optimal classifier, combining the combined features of the segmentation staging to predict the classification of diabetic retinopathy staging. The method of the present invention adopts a variety of classifiers to fit the segmentation and combination features to the sugar network classification by stages, and makes full use of the advantages of different classifiers to obtain more accurate and robust staging results.
【技术实现步骤摘要】
一种糖尿病视网膜病变分期预测方法
本专利技术涉及一种糖尿病视网膜病变分期预测方法,属于图像处理分析
技术介绍
基于眼底彩照的糖尿病视网膜病变(简称糖网)图像的分期具有重要的临床意义。目前的糖网分期方法存在以下几方面的局限性:基于人工的方法通常依赖于医生的临床经验,对于同样的眼底图像,不同的医生可能给出不同的分期诊断结果,因此对于医生的水平有较高的要求;耗费时间较长,病患和医生数量的不对等导致病人需要花费大量时间在等待医生诊断上。同时,目前已有的基于眼底彩照的糖尿病视网膜病变的自动分类方法无法有效获取并利用糖网疾病的各种病灶信息,算法的准确率和鲁棒性都不够理想。
技术实现思路
本专利技术的目的在于提供一种糖尿病视网膜病变分期预测方法,以解决现有技术中存在的上述多项缺陷或缺陷之一。为达到上述目的,本专利技术采用如下技术方案:一种糖尿病视网膜病变分期预测方法,包括以下步骤:采集糖尿病患者的眼底彩照图像;将眼底彩照图像输入已训练好的单纯分期网络模型,获取糖网分期结果特征;将眼底彩照图像输入已训练好的病灶分割网络模型,获取糖网病灶分割结果特征;将糖网分期结果特征与糖网病灶分割结果特征进行组合,获得分割分期组合特征;根据预判定的各分期最佳分类器和各最佳分类器的优先级,结合所述分割分期组合特征预测糖尿病视网膜病变分期类别。进一步,所述单纯分期网络模型的训练方法包括:采用ResNet-50网络模型作为训练模型,采集不同病变程度的眼底彩照图像作为训练样本;将不同病变程度的眼底彩照图像按照样本占比的倒数进行重采样,保证各期的图像样本数一致;随着训练的进行将重采样比例恢复 ...
【技术保护点】
1.一种糖尿病视网膜病变分期预测方法,其特征在于,所述方法包括以下步骤:采集糖尿病患者的眼底彩照图像;将眼底彩照图像输入已训练好的单纯分期网络模型,获取糖网分期结果特征;将眼底彩照图像输入已训练好的病灶分割网络模型,获取糖网病灶分割结果特征;将糖网分期结果特征与糖网病灶分割结果特征进行组合,获得分割分期组合特征;根据预判定的各分期最佳分类器和各最佳分类器的优先级,结合所述分割分期组合特征预测糖尿病视网膜病变分期类别。
【技术特征摘要】
1.一种糖尿病视网膜病变分期预测方法,其特征在于,所述方法包括以下步骤:采集糖尿病患者的眼底彩照图像;将眼底彩照图像输入已训练好的单纯分期网络模型,获取糖网分期结果特征;将眼底彩照图像输入已训练好的病灶分割网络模型,获取糖网病灶分割结果特征;将糖网分期结果特征与糖网病灶分割结果特征进行组合,获得分割分期组合特征;根据预判定的各分期最佳分类器和各最佳分类器的优先级,结合所述分割分期组合特征预测糖尿病视网膜病变分期类别。2.根据权利要求1所述的糖尿病视网膜病变分期预测方法,其特征在于,所述单纯分期网络模型的训练方法包括:采用ResNet-50网络模型作为训练模型,采集不同病变程度的眼底彩照图像作为训练样本;将不同病变程度的眼底彩照图像按照样本占比的倒数进行重采样,保证各期的图像样本数一致;随着训练的进行将重采样比例恢复到接近真实的数据集中的比例,重采样比例:wi=rt-1wo+(1-rt-1)wf,wo表示训练开始时的重采样比例,保证重采样后各类样本的数量相等;wf表示训练epoch数接近正无穷时的重采样比例,取经验值1:2:2:2:2;t表示当前的epoch计数;r表示衰减因子。采用均方误差作为损失函数,Adam算法作为优化算法,训练获得单纯分期网络模型。3.根据权利要求2所述的糖尿病视网膜病变分期预测方法,其特征在于,所述单纯分期网络模型的训练方法还包括:对训练样本中的眼底彩照图像进行预处理,包括:裁剪黑边、尺寸缩放、旋转、平移、归一化。4.根据权利要求2所述的糖尿病视网膜病变分期预测方法,其特征在于,所述病变程度包括正常、轻微...
【专利技术属性】
技术研发人员:陈新建,汪竟成,陈润航,王猛,
申请(专利权)人:苏州比格威医疗科技有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。