计算资源受限的糖网病辅助诊断方法及装置制造方法及图纸

本发明专利技术提供一种计算资源受限的糖网病辅助诊断方法及装置，采用残差神经网络模型对患者的眼底图像进行分类预测，且对残差神经网络模型进行了改进，改进了残差块以及提取了浅层特征，该模型具有很强的关系归纳偏差，因此，改进后的模型能够学习到更多的特征，更好地进行特征表达，更加糖网病辅助诊断任务，能够最终提高分类的精度。另外，本发明专利技术的模型结构简单，不需要使用模型混合、多任务训练以及度量学习等方法，因此，与现有的高精度模型相比，本实施例的模型构建快速方便，且训练过程所消耗的计算量也较小，适用于内存和计算资源受限的环境。境。境。

【技术实现步骤摘要】
计算资源受限的糖网病辅助诊断方法及装置


[0001]本专利技术属于计算机视觉以及人工智能
，具体涉及一种计算资源受限的糖网病辅助诊断方法及装置。

技术介绍

[0002]糖网病是世界卫生组织认定的三大致盲性眼病之一，该病是糖尿病病程中的一种眼部并发症，全称为糖尿病视网膜病变。糖网病的早期筛查非常重要，因为糖网病病变早期眼部不会出现任何异常症状，但当患者发现眼部不适时，眼球已发生了不可逆的伤害。目前糖网病的诊断依靠眼科医生对糖网病患者的眼底图像进行病灶识别来确定病变等级，但我国糖尿病患者数量庞大，医疗资源紧张，依靠眼科医生实现糖网病的定期筛查的条件不足。随着深度学习理论的发展，以深度学习为技术基础的计算机辅助诊断技术逐渐被应用到疾病的早期筛查中。眼底图像中包含了大量糖网病病变信息，可以利用深度学习技术提取并分析眼底图像中的病灶信息与患病特征，借助以深度学习为技术基础的计算机辅助诊断技术实现对糖网病的大规模定期筛查。
[0003]深度神经网络的最新成功推动了对许多计算机视觉任务的研究，例如图像分类，对象检测和语义分割。但是，深度模型的功本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算资源受限的糖网病辅助诊断方法，其特征在于，包括：步骤S1，采集受试者的眼底图像；步骤S2，对采集的所述眼底图像进行预处理；步骤S3，使用训练好的改进的残差神经网络模型对预处理后的所述眼底图像进行分类预测，其中，所述改进的残差神经网络模型包括：密集连接的多个卷积层；多个侧输出层，用于提取所述眼底图像的浅层特征；以及融合层，用于组合来自多个所述侧输出层的所述浅层特征。2.根据权利要求1所述的计算资源受限的糖网病辅助诊断方法，其特征在于：其中，所述卷积层包含有多个改进的残差块，所述改进的残差块将输入分割到多个低维嵌入，再对多个所述低维嵌入分别进行变换，最后聚合多个所述低维嵌入。3.根据权利要求1所述的计算资源受限的糖网病辅助诊断方法，其特征在于：其中，所述融合层至少具有softmax层，所述侧输出层由平均池化层、全连接层以及softmax层组成，多个所述侧输出层的平均输出总和输入至所述融合层的所述softmax层。4.根据权利要求3所述的计算资源受限的糖网病辅助诊断方法，其特征在于：其中，所述侧输出层的数量为三个，三个所述平均池化层的过滤器大小分别为7
×
7、5
×
5、7
×
7，三个所述平均池化层的步长分别为...

【专利技术属性】
技术研发人员：邵金杰，冯瑞，
申请(专利权)人：复旦大学，
类型：发明
国别省市：