基于迁移卷积网络对眼底图像进行血管病变分级识别方法技术

本发明专利技术公开一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，包括：对眼底图像数据集进行随机数据增广；将眼底图像数据集标注为是否患有血管病变；将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；将眼底图像数据集划分为训练集与测试集；对眼底图像数据集进行裁剪；修改网络架构的深层；对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。本发明专利技术能解决眼底动静脉局部狭窄严重程度的多分类问题，能提高识别的准确率。

【技术实现步骤摘要】
基于迁移卷积网络对眼底图像进行血管病变分级识别方法
本专利技术涉及计算机神经网络
，特别涉及一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法。
技术介绍
高血压是一种持续升高血压的慢性疾病。相关文献提出在过去的十几年中，高血压依然在中国是导致过早死亡的主要促进因素，也是导致心脑血管疾病及慢性肾病等的主要危险因素。其次，高血压是许多严重健康问题的前兆，包括高血压性视网膜病变、中风、冠心病、肾脏疾病，甚至过早死亡。因此，进行快速高效的筛查对高血压诊断是必要的。在过去的十几年中，无创电子血压计已经普遍得到应用。这些血压计很多时候是使用者及患者自行操作。目前电子血压计是通过对手臂或手腕采集收缩压、舒张压数据并且基于示波法判断血压。使用电子血压仪只能反应此时的血压情况，并且需要通过每日4至5次测量出平均血压值才能提供较准的参考值。但由于不同的厂商的算法与不同时间段采取血压的数据不统一，因此测量得到的结果会因许多不同的因素而受到影响，从而影响判断。近些年来有一些关于通过视网膜血管系统判断高血压的工作。高血压性视网膜病变是与血压升本文档来自技高网...

【技术保护点】
1.一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，包括：/nA1、对眼底图像数据集进行随机数据增广；/nA2、将眼底图像数据集标注为是否患有血管病变；/nA3、将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；/nA4、将眼底图像数据集划分为训练集与测试集；/nA5、对眼底图像数据集进行裁剪；/nA6、在预训练模型结构的基础上，保持所述预训练模型的初始层的权重不变，修改网络架构的深层，从而适应所述眼底图像数据集；/nA7、对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；/nA8、通过所述血管病变识别模型使用所述测试集产生识别血管病...

【技术特征摘要】
1.一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，包括：
A1、对眼底图像数据集进行随机数据增广；
A2、将眼底图像数据集标注为是否患有血管病变；
A3、将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；
A4、将眼底图像数据集划分为训练集与测试集；
A5、对眼底图像数据集进行裁剪；
A6、在预训练模型结构的基础上，保持所述预训练模型的初始层的权重不变，修改网络架构的深层，从而适应所述眼底图像数据集；
A7、对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；
A8、通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；
A9、基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。


2.根据权利要求1所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，所述A4具体为：将眼底图像数据集以指定的比例随机划分为训练集与测试集。


3.根据权利要求1所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，所述A5具体包括：将训练分类器及测试分类器的图像裁剪为指定像素大小的图像作为输入，并对图像进行归一化处理，由图像转换为张量。


4.根据权利要求1所述基于迁移卷积网络对眼底图像进行血管病变分级识别方法，其特征在于，所述A9包括：通过模型修改分类器的层进行反向传播。


5.根据权利要...

【专利技术属性】
技术研发人员：董宇涵，罗叡，张凯，高瞻，
申请(专利权)人：清华大学深圳国际研究生院，北京好医生云医院管理技术有限公司，
类型：发明
国别省市：广东;44