基于深度图网络的糖尿病视网膜病变分级方法技术

本发明专利技术提供一种基于深度图网络的糖尿病视网膜病变分级方法，能够有效模拟眼科医生对糖尿病视网膜病变的实际诊断过程，对患者单只眼睛的多张图像进行患病特征的信息传递与整合，从而得到更加准确的诊断结果，其特征在于，包括如下步骤：步骤S1，对患者的双眼的多张待测眼底图像进行至少包括图像质量检测以及左右眼分类识别的预处理从而得到预处理眼底图像；步骤S2，分别根据与患者的单眼对应的多张预处理眼底图像构建逻辑图数据，该逻辑图数据包含一个由多张预处理眼底图像作为节点的全连接图；步骤S3，将逻辑图数据输入预先训练完成的糖尿病视网膜病变分级模型从而得到患者的糖尿病视网膜病变等级信息。

Classification of diabetic retinopathy based on depth map network

【技术实现步骤摘要】
基于深度图网络的糖尿病视网膜病变分级方法
本专利技术属于计算机视觉领域以及医疗领域，涉及一种糖尿病视网膜病变等级分类方法，具体涉及一种基于深度图网络的糖尿病视网膜病变分级方法。
技术介绍
糖尿病视网膜病变(DR)是一种与糖尿病相关的眼病。大约40％至45％的糖尿病患者患有不同程度的该疾病。如果及时检测到糖尿病视网膜病变，可以减缓或避免视力损害。基于患者拍摄的眼底图像，根据病灶点等患病特征可将糖尿病视网膜病变严重程度分为5个等级，分别是正常，非增殖期轻度，非增殖期中度，非增殖期重度以及增殖期。人工检测糖尿病视网膜病变是耗时的过程，且资源需求较高。在糖尿病发病率高且最需要糖尿病视网膜病变检测的地域，往往缺乏所需的专业知识和设备。随着人工智能在医疗领域的发展，基于深度学习的糖尿病视网膜病变自动化检测与程度分级方法得以提出并得到不断改进，具有较高的检测准确度，在糖尿病视网膜病变的初步筛查诊断中得到了广泛的应用。目前，常规的基于深度学习的糖尿病视网膜病变自动化分级诊断方法通常采用患者眼部的单张眼底图像作为模型的输入，实现一个端到端的学习过本文档来自技高网...

【技术保护点】
1.一种基于深度图网络的糖尿病视网膜病变分级方法，用于对患者在检测糖尿病时拍摄的待测眼底图像进行识别从而判定患者的病变等级，其特征在于，包括：/n步骤S1，对所述患者的双眼的多张待测眼底图像进行至少包括图像质量检测以及左右眼分类识别的预处理从而得到预处理眼底图像；/n步骤S2，分别根据与所述患者的单眼对应的多张预处理眼底图像构建逻辑图数据，该逻辑图数据包含一个由多张所述预处理眼底图像作为节点的全连接图；/n步骤S3，将所述逻辑图数据输入预先训练完成的糖尿病视网膜病变分级模型从而得到患者的糖尿病视网膜病变等级信息，/n其中，所述糖尿病视网膜病变分级模型包括图像特征提取模块、图像节点信息传递模块以...

【技术特征摘要】
1.一种基于深度图网络的糖尿病视网膜病变分级方法，用于对患者在检测糖尿病时拍摄的待测眼底图像进行识别从而判定患者的病变等级，其特征在于，包括：
步骤S1，对所述患者的双眼的多张待测眼底图像进行至少包括图像质量检测以及左右眼分类识别的预处理从而得到预处理眼底图像；
步骤S2，分别根据与所述患者的单眼对应的多张预处理眼底图像构建逻辑图数据，该逻辑图数据包含一个由多张所述预处理眼底图像作为节点的全连接图；
步骤S3，将所述逻辑图数据输入预先训练完成的糖尿病视网膜病变分级模型从而得到患者的糖尿病视网膜病变等级信息，
其中，所述糖尿病视网膜病变分级模型包括图像特征提取模块、图像节点信息传递模块以及全局综合分级模块，
所述图像特征提取模块用于提取所述逻辑图数据中每张所述预处理眼底图像的第一特征信息并输入所述图像节点信息传递模块，
所述图像节点信息传递模块基于所述逻辑图数据以及所述第一特征信息对所述节点进行更新并输出第二特征信息给所述全局综合分级模块，
所述全局综合分级模块用于对所述第二特征信息进行综合并通过分类器分类得到所述糖尿病视网膜病变等级信息。


2.根据权利要求1所述的基于深度图网络的糖尿病视网膜病变分级方法，其特征在于：
其中，所述糖尿病视网膜病变分级模型通过如下步骤训练得到：
步骤T1，构建初始视网膜分级模型；
步骤T2，将包含多组眼底图像逻辑图的训练集依次输入所述初始视网膜分级模型并进行迭代；
步骤T3，采用最后一层的模型参数分别计算出损失误差并将计算得到的损失误差反向...

【专利技术属性】
技术研发人员：侯君临，魏彤，杜姗姗，冯瑞，
申请(专利权)人：复旦大学，
类型：发明
国别省市：上海;31