申请/专利权人：中山大学中山眼科中心

申请日：2020-11-23

公开（公告）日：2024-04-16

公开（公告）号：CN112446860B

主分类号：G06T7/00

分类号：G06T7/00;A61B3/10;A61B3/12;A61B3/14;G06V10/764;G06V10/82;G06N3/0464;G06N3/096

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.03.23#实质审查的生效;2021.03.05#公开

摘要：本发明提供一种基于迁移学习的糖尿病黄斑水肿自动筛查方法，通过光学相干断层扫描图像以及眼底彩照对是否患有糖尿病黄斑水肿进行标记，使用训练好的深度残差神经人工智能模型提取患者的眼部特征并根据眼部特征进行有无糖尿病黄斑水肿的分类，随后使用眼底彩照数据集训练通过迁移学习技术对深度残差神经人工智能模型极性调整，得到最终基于眼底彩照的糖尿病黄斑水肿的智能筛查模型。通过基于眼底彩照的糖尿病黄斑水肿的智能筛查模型的对光学相干断层扫描图像以及眼底彩照对是否患有糖尿病黄斑水肿的患者进行识别分类，可提高糖尿病黄斑水肿高危人群筛查的准确率和工作效率，也减少病人诊治疾病的花费，从而使更多的病人得到及时的诊疗。

主权项：1.一种基于迁移学习的糖尿病黄斑水肿自动筛查方法，其特征在于：包括自动筛查方法如下步骤：S1：获取光学相干断层的扫描影像及眼底彩照；S2：对光学相干断层扫描影像和眼底彩照进行是否患有糖尿病黄斑水肿的标记，获取光学相干断层扫描训练集和眼底彩照训练集；S3：基于光学相干断层扫描影像，构建深度残差网络初始模型；S4：光学相关断层扫描训练集对深度残差网络初始模型进行训练，获取深度残差神经人工智能模型；S5：利用深度残差神经人工智能模型对光学相干断层的扫描影像进行整体特征的识别和提取，获取待识别患者的眼部特征；S6：利用深度残差神经人工智能模型对待识别的眼底特征进行验证和识别并根据识别结果对光学相干断层扫描影像进行有无糖尿病黄斑水肿的分类，获得有无糖尿病黄斑水肿的光学相干断层扫描影像分类结果；S7：使用眼底彩照训练集通过迁移学习对深度残差神经人工智能模型的全连接层调整，获取基于眼底彩照的糖尿病黄斑水肿的智能筛查模型；S8：获取新收集糖尿病患者的眼底彩照和光学相干断层扫描图像；对新收集糖尿病患者的眼底彩照和光学相干断层扫描图像进行是否患有糖尿病黄斑水肿的标记，构成外部验证集；根据外部验证集对所述基于眼底彩照的糖尿病黄斑水肿的智能筛查模型进行验证；当外部验证集对所述基于眼底彩照的糖尿病黄斑水肿的智能筛查模型的结果一致时，则确定所述基于眼底彩照的糖尿病黄斑水肿的智能筛查模型准确；当外部验证集对所述基于眼底彩照的糖尿病黄斑水肿的智能筛查模型的结果不一致时，则根据外部验证集对所述基于眼底彩照的糖尿病黄斑水肿的智能筛查模型进行修正；所述S3中的深度卷积神经网络算法包括：所述的残差网络包括一个由6个卷积层、2个激活函数层、2个BN层以及1个跳跃连接层组成的基本的残差模块连接1个激活函数层。

全文数据：

权利要求：

百度查询： 中山大学中山眼科中心 一种基于迁移学习的糖尿病黄斑水肿自动筛查方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD