一种具有病症语义的视网膜图像生成方法技术

一种具有病症语义的视网膜图像生成方法，其特征是：首先构造对称编码病变特征提取网络对真实糖尿病性视网膜图像提取其病变定位图，得到病变特征向量；再构造基于病症特征的生成网络，进行生成模型的综合损失设计，利用真实彩色视网膜图像及病症特征向量训练生成模型，获得相应疾病等级的糖尿病性视网膜图像。本发明专利技术提出的生成方法利用真实眼底图像的病症特征指导模型生成对应疾病等级的视网膜图像，以解决基于深度学习的糖尿病性视网膜分级算法需要大量图像数据的问题。需要大量图像数据的问题。

【技术实现步骤摘要】
一种具有病症语义的视网膜图像生成方法


[0001]本专利技术属于模式识别
，具体涉及一种具有病症语义特征的视网膜图像生成方法。

技术介绍

[0002]糖尿病视网膜病变是糖尿病最严重的一种并发症，若这种并发症没有得到及时检查和治疗，很可能导致病人视力受损甚至失明。由于这种并发症是可预防的，因此可利用视网膜影像分析技术辅助医生对糖尿病性视网膜疾病实现更为早期和全面的诊断。
[0003]近年来，基于深度学习的视网膜疾病诊断技术引起了广泛关注。但基于深度学习的算法需要较大的数据集，而目前公开的医学视网膜图像数据集较少，数据集内不同类别数据分布不均衡，不利于基于深度学习的疾病诊断系统的开发。因此，如何生成有效的视网膜图像数据成为视网膜疾病自动诊断系统开发的关键问题。

技术实现思路

[0004]本专利技术的目的在于提供一种有效的具有病症语义的视网膜图像生成方法，利用真实图像数据的病症特征数据指导模型生成对应疾病等级的视网膜图像，以解决基于深度学习的糖尿病性视网膜分级算法的大量图像数据需求。
[0005]本专利技术的目的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有病症语义的视网膜图像生成方法，其特征是：首先构造对称编码病变特征提取网络对真实糖尿病性视网膜图像提取其病变定位图，得到病变特征向量；再构造基于病症特征的视网膜生成网络，进行生成模型的综合损失设计，利用真实彩色视网膜图像及病症特征向量训练生成模型，获得相应疾病等级的糖尿病性视网膜图像。2.根据权利要求1所述的对称编码病变特征提取网络，其特征是：所述的对称编码病变特征提取网络由三层的编码器及与编码器结构对称的解码器构成；编码器每层由两个3
ꢀ×ꢀ
3核的卷积层、ReLU激活函数和归一化层组成，每层还包含1
×
1卷积和归一化层构成的残差连接；此外，每层编码器由2
×
2的最大池化层分隔，通过最大池化操作来向下采样内部特征映射；解码器层由与编码器级别相同的模块组成，每个解码器层之前使用一个步长为 2的转置2
×
2卷积进行上采样，其输出与对应分辨率的编码器层通过一个含3
×
3卷积、ReLU激活函数和归一化层的跳跃连接相连；在最后一层添加一个1
×
1的卷积和线性激活函数，用于糖尿病性视网膜病变特征提取任务的定位图回归；对称编码病变特征提取网络中带有跳跃连接的编码
‑
解码结构能够融合不同层级的病变特征，每一次下采样都会有一个跳跃连接与对应的上采样进行级联，高层（浅层）下采样倍数小，特征图具备更加细致的图特征，底层（深层）下采样倍数大，病变信息经过大量浓缩，有助于对病变区域的判断；提取到视网膜图像的病变特征后，再对二值化的病变特征图进行二进制编码得到病症特征向量；所述的基于病症特征的视网膜生成网络，其特征是：基于病症特征的视网膜图像生成网络由生成器和分类器组成；病症特征向量通过生成器的非线性映射层后作为风格控制参数来调控基本块，生成器的基本块是在卷积层中加入可训练的权重...

【专利技术属性】
技术研发人员：马慧，臧峰，王明杨，王嘉乐，李天翔，
申请(专利权)人：黑龙江大学，
类型：发明
国别省市：