一种改进EfficientNet的糖尿病视网膜病变检测方法技术

本发明专利技术涉及一种糖尿病视网膜病变检测方法。通过对数据集进行对比度受限的自适应直方图均衡化处理、非局部均值去噪手段和随机旋转与缩放等预处理方法来提高输入图像的质量和数据集的均衡性。发明专利技术中提出的改进的EfficientNet模型是使用代价敏感正则化来扩展交叉熵损失函数和Focal损失函数，根据预测等级和真实等级相差程度的不同，对其施加不同的惩罚。模型引入迁移学习，在模型顶部添加平均池化、速率为0.2的dropout层和使用Softmax激活函数的全连接层。实验表明，改进的EfficientNet模型参数量和计算量小，分类性能好，模型的性能得到显著提升。模型的性能得到显著提升。模型的性能得到显著提升。

【技术实现步骤摘要】
一种改进EfficientNet的糖尿病视网膜病变检测方法

：
[0001]本专利技术涉及糖尿病视网膜病变检测，尤其涉及一种改进EfficientNet的糖尿病视网膜病变检测方法。
[0002]
技术介绍
：目前传统的糖尿病视网膜病变检测方法是血管造影，将荧光剂注入血管再通过X射线照片给医生检查，整个过程非常耗时，并且对医生的严格诊断经验和专业知识要求很高。研究人员基于神经网络开发计算机辅助诊断系统，但仍存在检测速度过慢、检测标准评分较低、模型性能不佳等问题。随着深度学习方法的蓬勃发展，深度学习方法被广泛应用于糖尿病视网膜病变检测领域，且性能优于传统方法。
[0003]因此，基于卷积神经网络的糖尿病视网膜病变检测方法受到了越来越多的关注。本方法基于有标签的源数据集对模型进行改进，旨在获得具有高性能的糖尿病视网膜病变分类模型。
[0004]在过去的十年里，研究人员已经开发了多个自动诊断系统。Quellec等人提出了一个模型，通过使用卷积神经网络来检测糖尿病视网膜病变，利用敏感度标准的修改产生热图，可视化每个像素在输出预测中的贡献。Lam等人开发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进EfficientNet的糖尿病视网膜病变检测方法，其特征在于，利用提出的有针对性的多种数据预处理方法，对多站点糖尿病视网膜病变数据集进行处理并降噪，同时引入迁移学习，在模型顶部添加dropout层和全连接层，继而引进代价敏感正则化扩展交叉熵损失函数和Focal损失函数以实现对模型损失函数的不同惩罚，实现对EfficientNet
‑
B3模型的改进，将处理后的图像送入改进后的EfficientNet
‑
B3模型中训练直至收敛，用于糖尿病视网膜病变图像的检测并分类，步骤如下：步骤1：设计有针对性的多种数据预处理方法，对多站点数据集进行处理：步骤1.1：对糖尿病视网膜病变数据集中的每幅图像进行随机缩放，图像从中心裁剪到固定像素，以提高模型的训练速度；步骤1.2：对图像进行去噪处理，使视网膜的微妙结构变得更加清晰可见，更容易检测；步骤1.3：将所有图像由原来的方形图像裁剪为以中心为圆点的圆形图像；步骤1.4：使用旋转、放大和缩小以及水平和垂直的翻转进行数据增强，对训练集中所有的图像进行随机的增强；步骤2：引入迁移学习，在模型顶部添加dropout层和全连接层：步骤2.1：使用ImageNet数据集对EfficientNet
‑
B3网络进行预训练；步骤2.2：改进EfficientNet
‑
B3模型结构，在模型顶部添加dropout层和使用softmax激活函数的全连接层，并使...

【专利技术属性】
技术研发人员：郭继峰，
申请(专利权)人：海南智晶科技有限公司，
类型：发明
国别省市：