一种计算机视觉和深度学习的眼底疾病可视化分析方法技术

本发明专利技术公开了一种基于计算机视觉和深度学习的眼底疾病可视化分析方法，包括：对现有眼底疾病模型的结果进行可视化处理，标记支持模型做出最终决策的重点区域；将可视化算法生成的类别激活图与原始眼底图像进行叠加，以对模型关注区域内的图像信息进行筛选；根据筛选结果进一步对眼底图像当中的特征利用统计学算法进行分析，将病灶特征与模型得到的眼底疾病分析结果相关联。与现有方法相比，本发明专利技术所设计的眼底疾病可视化方法兼顾网络的深层与浅层输出，从而能够更加全面地分析模型的决策过程，同时本发明专利技术也为眼底病变的机理研究提供了新的分析方法。了新的分析方法。了新的分析方法。

【技术实现步骤摘要】
一种计算机视觉和深度学习的眼底疾病可视化分析方法


[0001]本专利技术属于深度学习模型可视化技术，尤其涉及一种基于计算机视觉和深度学习的眼底疾病可视化分析方法。利用类别激活图映射的方法结合统计学算法对模型的决策过程进行解释和分析。

技术介绍

[0002]临床研究表明，眼底的特异性改变会对人们的生活造成不可避免的影响，严重的视网膜病变甚至会导致失明，因此定期对眼底病变情况进行检测和诊断对于患者的及时发现和治疗有着重要意义。随着时代的发展，计算机视觉及深度学习技术的出现为眼底疾病的诊断和治疗提供了新的技术支持。
[0003]但由于深度学习模型的决策依据缺乏可解释性，因此为了更好的对结果进分析，需要对模型进行可视化处理。对于模型的可视化算法可以总结为过程可视化和结果可视化两大类。过程可视化是对学习过程中所提取的每张特征图进行可视化显示，用以评估模型的特征提取能力。结果可视化是在模型输出结果前对模型进行可视化处理，提取出模型做出决策的类别激活映射图或概率分布图等，用以分析模型的决策过程。因此模型的可视化为深度模型的可解释性提供了重要支持。...

【技术保护点】

【技术特征摘要】
1.一种计算机视觉和深度学习的眼底疾病可视化分析方法，其特征在于：该方法包括如下步骤：步骤1，建立眼底病灶标注图像数据库；对医学眼底疾病图像中的病灶以类别为单位进行人工标注，然后对带有病灶类别信息的标注结果进行组合，获得能够完整描述原始图像病灶信息的眼底病灶标注图像数据库；步骤2，模型关注区域可视化处理；以眼底病灶标注图像数据库为输入对眼底疾病图像分析模型进行多层次可视化处理，设最后卷积层的输出t维特征图为T
t
，该特征图中每个像素对应的权重设为表示特定空间位置(i,j)处的对于最终第x类的重要性；则由此获得的第x类对应的激活图计算公式为：在保留相对位置靠后的深层特征图输出权重的同时，还保留相对位置靠前的浅层特征图输出权重；利用深浅层次的类别激活映射图更完整的显示模型在决策过程中对眼底疾病标注图像当中不同区域的关注程度；步骤3，可视化区域叠加；对可视化处理生成的多层次类别激活映射图进行二值化处理，得到模型的主要关注区域，再将其作为掩膜与眼底病灶标注图像进行叠加，保留图像中具有更高关注度的病灶信息；步骤4，区域化图像特征筛选与统计；为了将模型的决策依据由区域性特征关联到病理性特征，就需要结合眼底的组织结构对不同层次区域化图像中的病灶细节信息进行筛选，寻找其中可能与疾病的产生和发展相关的特征；分别以图像和图像中的具体病灶为单位对选择的特征进行数据统计；步骤5，统计数据关联分析；对统计得到的各组数据进行相关分析、均值
‑
方差分析、聚类分析，并结合模型输入的眼底病灶图像以及相关医学知识进一步找到模型做出决策所依赖的病理学特征。2.根据权利要求1所述的一种计算机视觉和深度学习的眼底疾病可视化分析方法，其特征在于：进行模型关注区域可视化处理的步骤如下：步骤2.1，选择一个可用于眼底疾病图像分析的深度学习模型对眼底疾病图像进行训练，得到模型的输出权重；步骤2.2，加载得到的模型输出权重，利...

【专利技术属性】
技术研发人员：李煜，朱美龙，孙光民，陈佳阳，李侨宇，汤长新，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：