【技术实现步骤摘要】
本专利技术涉及医疗诊断，具体为一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法。
技术介绍
1、糖尿病视网膜病变(dr)是一种眼部的糖尿病并发症，它是由于长期的高血糖、高血压或高血脂导致视网膜的血管受损，从而影响视力，严重时会导致失明。早期发现和准确高效地进行dr分级是预防失明的重要手段，其中眼底图像中的不同病灶特征是判断dr严重程度的关键，传统的眼底筛查方法主要依靠专业医生的肉眼观察来的得出诊疗结果，而传统的检查方法会面临以下问题：首先大量的眼底筛查任务会给医生带来了极大的工作压力；其次如果医生诊疗速度慢，患者也无法得到及时的反馈，错过最佳治疗时间；最后相关医疗资源的缺乏必然会造成漏诊、误诊人数的增长。近年来，随着深度学习技术的发展，cnn出色的特征提取能力被广泛的医学图像处理领域，研究者们也将其运用于dr分级中，采用这种方式可以自动提取图像特征，避免了传统图像处理中手工设计特征的繁杂步骤。
2、但是现有技术在实际使用时：
3、大部分公开的dr分级数据集中往往存在严重的数据不平衡问题，数据不平衡问题不利于网络...
【技术保护点】
1.一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，其特征在于：所述步骤S1中采集的彩色眼底图像包括正常视网膜图像和不同病变程度的DR图像。
3.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，其特征在于：所述步骤S2中数据增强方法包括以下但不限于旋转、平移、缩放、随机遮挡、水平翻转、颜色色差和cutout的图像处理方法，且上述方法采用Albumentations图像数据增强库进行代码实现，同时在训练过程中使用翻转...
【技术特征摘要】
1.一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，其特征在于：所述步骤s1中采集的彩色眼底图像包括正常视网膜图像和不同病变程度的dr图像。
3.根据权利要求1所述的一种基于深度学习的糖尿病视网膜病变分级辅助诊断方法，其特征在于：所述步骤s2中数据增强方法包括以下但不限于旋转、平移、缩放、随机遮挡、水平翻转、颜色色差和cutout的图像处理方法，且上述方法采用albumentations图像数据增强...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。