一种糖尿病性视网膜病变影像数据处理方法技术

本发明专利技术涉及一种糖尿病性视网膜病变影像数据处理方法，该方法包括：数据预处理：获取高清眼底图像X，经过降噪与细节增强得到预处理高清眼底图像再经过缩放与数据增强得到分辨率较小的预处理高清眼底图像特征提取：将分辨率较小的预处理高清眼底图像输入至卷积神经网络A中得到特征图F；分别采用整体处理分支处理以及感兴趣区域处理分支处理方法，获取全局处理结果y

【技术实现步骤摘要】
一种糖尿病性视网膜病变影像数据处理方法


[0001]本专利技术涉及图像分类领域，尤其是涉及一种糖尿病性视网膜病变影像数据处理方法。

技术介绍

[0002]糖尿病性视网膜病变(Diabetic Retinopathy，DR)是视网膜微血管损害所引起的一系列典型病变，是糖尿病最常见的眼部并发症，也是全球范围内最主要的致盲性眼病之一。对DR患者进行早期筛查、处理、治疗和随访能有效减少视觉损害及失明的发生，但目前限于医疗条件和患者依从性，能做到的还很少。
[0003]随着糖尿病人群的增多和眼科医师的缺乏，传统概念上的DR筛查方法尚不能有效地应对DR患病率和致盲率持续增高的双重挑战。而人工智能浪潮的到来，使得利用人工智能技术辅助医生进行筛查处理成为了可能。针对结合人工智能技术的糖尿病性视网膜病变的影像数据处理，目前已有了一些研究。常用的方法有很多可划分为：多分类问题、回归问题、多任务问题。
[0004]1)多分类问题：将DR的每一个级别划分为一类，然后用通用的分类问题解决方法，对神经网络的输出用softmax处理，然后用交叉熵的损失函数。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种糖尿病性视网膜病变影像数据处理方法，其特征在于，该方法包括：数据预处理：获取高清眼底图像X，经过降噪与细节增强得到预处理高清眼底图像再经过缩放与数据增强得到分辨率较小的预处理高清眼底图像特征提取：将分辨率较小的预处理高清眼底图像输入至卷积神经网络A中，得到一系列的特征图F；整体处理分支：将特征图F输入至用于全局眼底图像处理的全局分类网络得到代表全局层次病例分类的全局处理结果y
whole
；感兴趣区域处理分支：将特征图F输入至感兴趣区域提议网络得到感兴趣区域，结合高清预处理眼底图得到感兴趣区域眼底图经过数据增强与缩放处理后，将其输入到用于局部眼底图像处理的卷积神经网络B，计算得到关注区域处理结果y
attention
；获取最终的分类处理结果：基于全局处理结果y
whole
与关注区域处理结果y
attention
，计算得到最终的分类处理结果y
pred
。2.根据权利要求1所述的一种糖尿病性视网膜病变影像数据处理方法，其特征在于，所述数据增强包括对图像进行随机旋转、随机水平翻转、随机垂直翻转、随机横向平移、随机竖直平移、随机缩放和随机通道转换。3.根据权利要求1所述的一种糖尿病性视网膜病变影像数据处理方法，其特征在于，所述卷积神经网络A为去除末端全连接网络的ResNets50。4.根据权利要求1所述的一种糖尿病性视网膜病变影像数据处理方法，其特征在于，所述整体处理分支的网络训练过程为：将卷积神经网络A得到的特征图F输入至全局分类网络，通过整体处理得到全局处理结果y
wnole
；基于所述全局处理结果y
wnole
与真实标签y
true
，计算得到整体处理分支的交叉熵损失Loss
whole
；通过梯度下降法训练网络。5.根据权利要求4所述的一种糖尿病性视网膜病变影像数据处理方法，其特征在于，所述感兴趣区域处理分支中的网络训练过程为：通过整体处理分支的交叉熵损失Loss
whole
与真实标签y
true
得到整体眼底区域对于预测的贡献度，将贡献度归一化处理得到伪标签rpn
true
；通过感兴趣区域网络输出感兴趣区域分数rpn
pred
，计算得到伪标签rpn
true
与感兴趣区域分数rpn
pred
的交叉熵Loss
cam
；通过梯度下降法训练网络；基于得到感兴趣区域网络输出的k个分数最高的感兴趣区域分数rpn
pred
对应的k个感兴趣区域，将预处理高清眼底图像按照选取出的感兴趣区域进行...

【专利技术属性】
技术研发人员：赵生捷，叶珂男，张荣庆，
申请(专利权)人：同济大学，
类型：发明
国别省市：