一种眼底分类模型集成系统、方法、电子设备及介质技术方案

本发明专利技术实施例提供了一种眼底分类模型集成系统、方法、电子设备及介质，涉及医学影像分类技术领域。该系统包括基础网络集训练模块，用于将预先存储的视盘图像数据集作为训练样本，对多个不同的深度学习网络结构进行视盘异常分类训练，获得多个基础分类模型；基础网络置信度集成模块，用于将目标视盘图像样本输入到各个基础分类模型，获取各个基础分类模型的置信度向量，并将各个基础分类模型的置信度向量组合，获得集成置信度向量；基础分类网络集成模块，用于将集成置信度向量作为输入特征，通过采用预设分类算法的分类器进行视盘异常分类训练，获得集成分类模型。本发明专利技术的方案通过融合不同的分类神经网络，提高了视盘异常分类性能。类性能。类性能。

【技术实现步骤摘要】
一种眼底分类模型集成系统、方法、电子设备及介质


[0001]本专利技术涉及医学影像分类
，尤其涉及一种眼底分类模型集成系统、方法、电子设备及介质。

技术介绍

[0002]很多的眼底疾病，比如青光眼，年龄性黄斑退化，糖尿病性视网膜病变等都会导致不可挽回的视力损伤甚至失明。视网膜眼底图像是观察视网膜和诊断眼底疾病的一种重要影像手段。视盘是视网膜上视觉神经和血管汇集穿出眼球的部位。视盘区的异常通常与视神经和视网膜血管的异常密切相关。视盘区的大部分异常都可以通过眼底图像观察到，比如视盘前膜，视乳头水肿，青光眼，视神经萎缩，有髓神经纤维，牵牛花综合症等。
[0003]近年来，随着基于神经网络的深度学习算法的发展，深度学习模型在医疗影像领域，如基于眼底图像的病灶分类，得到了广泛的应用。尽管如此，由于眼底图像的多样性和病灶的多样性，基于眼底图像的病灶分类依然是一个很具有挑战性的任务，基于目前的深度学习模型仍然存在分类性能不高的问题。

技术实现思路

[0004]本专利技术提供一种眼底分类模型集成系统、方法、电子设备及介质，解决现有技术中由于眼底图像的多样性和病灶的多样性，基于目前的深度学习模型仍然存在分类性能不高的问题。
[0005]在本专利技术实施的第一方面，提供了一种眼底分类模型集成系统，包括：
[0006]基础网络集训练模块，用于将预先存储的视盘图像数据集作为训练样本，对多个不同的深度学习网络结构进行视盘异常分类训练，获得多个基础分类模型；其中所述视盘图像数据集包括多个异常类别的视盘图像；
[0007]基础网络置信度集成模块，用于将目标视盘图像样本输入到各个基础分类模型，获取各个基础分类模型的置信度向量，并将各个基础分类模型的置信度向量组合，获得集成置信度向量；
[0008]基础分类网络集成模块，用于将所述集成置信度向量作为输入特征，通过采用预设分类算法的分类器进行视盘异常分类训练，获得集成分类模型。
[0009]优选的，所述基础网络置信度集成模块包括：
[0010]第一处理模块，用于将目标视盘图像样本输入到各个基础分类模型，获得各个基础分类模型的输出向量；
[0011]第二处理模块，用于对各个基础分类模型的输出向量进行校准，并对校准后的输出向量进行归一化处理，获得各个基础分类模型的置信度向量。
[0012]优选的，所述第二处理模块具体用于：
[0013]采用温度标定Temperature Scaling算法对各个基础分类模型的输出向量进行校准，并采用逻辑回归softmax函数对校准后的输出向量进行归一化处理，获得各个基础分类
模型的置信度向量。
[0014]优选的，还包括：
[0015]视盘图像检测模块，用于对预先采集的眼底图像数据集中的眼底图像进行视盘检测，获得初始视盘图像数据集；
[0016]视盘图像增强模块，用于根据所述初始视盘图像数据集中属于各个异常类别的视盘图像的数量，对所述初始视盘图像数据集进行异常类别的平衡性增强和多样性增强处理，获得作为训练样本的视盘图像数据集。
[0017]优选的，所述采用预设分类算法的分类器为采用机器学习分类算法的分类器。
[0018]在本专利技术实施的第二方面，还提供了一种眼底分类模型集成方法，包括：
[0019]将预先存储的视盘图像数据集作为训练样本，对多个不同的深度学习网络结构进行视盘异常分类训练，获得多个基础分类模型；其中所述视盘图像数据集包括多个异常类别的视盘图像；
[0020]将目标视盘图像样本输入到各个基础分类模型，获取各个基础分类模型的置信度向量，并将各个基础分类模型的置信度向量组合，获得集成置信度向量；
[0021]将所述集成置信度向量作为输入特征，通过采用预设分类算法的分类器进行视盘异常分类训练，获得集成分类模型。
[0022]优选的，所述将目标视盘图像样本输入到各个基础分类模型，获取各个基础分类模型的置信度向量的步骤包括：
[0023]将目标视盘图像样本输入到各个基础分类模型，获得各个基础分类模型的输出向量；
[0024]对各个基础分类模型的输出向量进行校准，并对校准后的输出向量进行归一化处理，获得各个基础分类模型的置信度向量。
[0025]优选的，所述对各个基础分类模型的输出向量进行校准，并对校准后的输出向量进行归一化处理，获得各个基础分类模型的置信度向量的步骤包括：
[0026]采用温度标定Temperature Scaling算法对各个基础分类模型的输出向量进行校准，并采用逻辑回归softmax函数对校准后的输出向量进行归一化处理，获得各个基础分类模型的置信度向量。
[0027]在本专利技术实施的第三方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0028]存储器，用于存放计算机程序；
[0029]处理器，用于执行存储器上所存放的程序时，实现如上所述的眼底分类模型集成方法中的步骤。
[0030]在本专利技术实施的第四方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的眼底分类模型集成方法。
[0031]在本专利技术实施例的第五方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行如上所述的眼底分类模型集成方法。
[0032]针对在先技术，本专利技术具备如下优点：
[0033]本专利技术实施例中，眼底分类模型集成系统包括基础网络集训练模块、基础网络置信度集成模块和基础分类网络集成模块。首先基础网络集训练模块将预先存储的视盘图像
数据集作为训练样本，对多个不同的深度学习网络结构进行视盘异常分类训练，获得多个基础分类模型，其中视盘图像数据集中包括多个异常类别的视盘图像；然后基础网络置信度集成模块将目标视盘图像样本输入到各个基础分类模型，获取各个基础分类模型的置信度向量，并将各个基础分类模型的置信度向量组合，获得集成置信度向量；最后基础分类网络集成模块将集成置信度向量作为输入特征，通过采用预设分类算法的分类器进行视盘异常分类训练，从而对多个基础分类网络的置信度输出进行一个有机结合，获得一个性能更高的集成分类模型。该系统通过融合不同的分类神经网络，提高了视盘异常分类性能，能够更好地提供辅助诊断结果。
[0034]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。
[0036]图1为本专利技术实施例提供的眼底分类模型集成系统的示意框图；
[0037]图2为本专利技术实施例提供的眼底分类模型集成系统的另一示意框图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种眼底分类模型集成系统，其特征在于，包括：基础网络集训练模块，用于将预先存储的视盘图像数据集作为训练样本，对多个不同的深度学习网络结构进行视盘异常分类训练，获得多个基础分类模型；其中所述视盘图像数据集包括多个异常类别的视盘图像；基础网络置信度集成模块，用于将目标视盘图像样本输入到各个基础分类模型，获取各个基础分类模型的置信度向量，并将各个基础分类模型的置信度向量组合，获得集成置信度向量；基础分类网络集成模块，用于将所述集成置信度向量作为输入特征，通过采用预设分类算法的分类器进行视盘异常分类训练，获得集成分类模型。2.根据权利要求1所述的眼底分类模型集成系统，其特征在于，所述基础网络置信度集成模块包括：第一处理模块，用于将目标视盘图像样本输入到各个基础分类模型，获得各个基础分类模型的输出向量；第二处理模块，用于对各个基础分类模型的输出向量进行校准，并对校准后的输出向量进行归一化处理，获得各个基础分类模型的置信度向量。3.根据权利要求2所述的眼底分类模型集成系统，其特征在于，所述第二处理模块具体用于：采用温度标定Temperature Scaling算法对各个基础分类模型的输出向量进行校准，并采用逻辑回归softmax函数对校准后的输出向量进行归一化处理，获得各个基础分类模型的置信度向量。4.根据权利要求1所述的眼底分类模型集成系统，其特征在于，还包括：视盘图像检测模块，用于对预先采集的眼底图像数据集中的眼底图像进行视盘检测，获得初始视盘图像数据集；视盘图像增强模块，用于根据所述初始视盘图像数据集中属于各个异常类别的视盘图像的数量，对所述初始视盘图像数据集进行异常类别的平衡性增强和多样性增强处理，获得作为训练样本的视盘图像数据集。5.根据权利要求1所述的眼底分类模型集成系统，其特征在于，所述采用预设分类算法的分类器为采用机器学习分类算法的分类器。6...

【专利技术属性】
技术研发人员：贺婉佶，王欣，熊健皓，赵昕，和超，张大磊，
申请(专利权)人：上海鹰瞳医疗科技有限公司，
类型：发明
国别省市：