基于深度学习和知识蒸馏的早产儿视网膜图像检测方法技术

本发明专利技术涉及图像处理技术领域，尤其涉及基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，所述方法包括如下步骤：S1.构建ROP数据集；S2.使用ROP辅助决策系统对ROP数据图像特征进行识别和分类；S3.ROP数据图像的分析。本发明专利技术针对ROP图像数据提出了一种基于CNN和Transformer技术的蒸馏联合训练模型CTROP‑Net，以结合RetCam3设备拍摄的图像的全局和局部信息，更有效的识别病变。本发明专利技术旨在探究深度学习在现实医疗条件下对ROP病症的把握程度，帮助临床医生为ROP疾病的诊断提供一个潜在的有用工具。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及基于深度学习和知识蒸馏的早产儿视网膜图像检测方法。

技术介绍

1、早产儿视网膜病变(retinopathy of prematurity,rop)是一种发生于早产、低出生体重儿的视网膜血管增生性疾病，是婴幼儿最常见的致盲眼病。rop的病情是可防可治的，其有效治疗的时间窗口非常窄，要求眼科专科医生对高风险早产儿进行规范的筛查，早期诊断，及时治疗至关重要。眼科专科医生对于rop诊疗水平参差不齐，不同区域眼科医生对于rop筛查结果的判读常存在主观性差异，治疗指症把控存在诸多问题；rop专业诊断技能的培训周期长，时常导致筛查不及时，漏诊误诊现象也经常发生。

2、现有的自动化技术手段主要集中于对眼底血管的识别，其效率低、精度低的缺点难以克服，深度学习可以从低到高提取不同层次的特征信息，但rop数据难以获取而且质量难以得到保证，所以，当涉及到rop患儿的严重程度分级以及是否治疗时，由于病变程度难以量化，往往会导致分类错误。即使在专家眼中，也会因为主观性强而出现分类错误，类似的现象也出现在深度学习对rop的研究中，因此提高严重本文档来自技高网...

【技术保护点】

1.基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，其特征在于，S2中所述分类包括将ROP数据图像分为三类：Normal、Mild-ROP以及Severe-ROP。

3.根据权利要求2所述的基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，其特征在于，所述Severe-ROP包括激光凝固术治疗组和玻璃体腔注射抗VEGF药物治疗组。

4.根据权利要求1所述的基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，其特征在于，所述ROP辅助决策系统包括...

【技术特征摘要】

1.基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，其特征在于，s2中所述分类包括将rop数据图像分为三类：normal、mild-rop以及severe-rop。

3.根据权利要求2所述的基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，其特征在于，所述severe-rop包括激光凝固术治疗组和玻璃体腔注射抗vegf药物治疗组。

4.根据权利要求1所述的基于深度学习和知识蒸馏的早产儿视网膜图像检测方法，其特征在于，所述rop辅助决策系统包括图像获取、图像质量评估、图像标注、图像预处理、模型训练、测试与评估。

5.根据权利要求4所述的基于深度学习和知识蒸馏的早...

【专利技术属性】
技术研发人员：张国明，弥胜利，刘展，杜日山一，
申请(专利权)人：深圳市眼科医院深圳市眼病防治研究所，
类型：发明
国别省市：