申请/专利权人：北京航空航天大学

申请日：2020-12-11

公开（公告）日：2024-05-14

公开（公告）号：CN114693961B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/50;G06V10/80;G06V10/82;G06N3/0464;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2022.07.19#实质审查的生效;2022.07.01#公开

摘要：本发明的一种眼底照片分类方法、眼底图像处理方法和系统，可解决现有眼底照片分类方法效率低、误差大的技术问题。包括获取眼底照片并进行预处理，生成标准化的眼底图片；把处理后的眼底照片划分为训练集和测试集，并对训练集进行数据扩增；对训练集和测试集进行数据预处理，保证在训练阶段输入模型的每个训练数据集batch类别均匀；集成学习策略，并训练分支神经网络模型；进行模型融合，得到最终检测模型，实现对眼底照片的分类。本发明效果高，自动化程度优秀；提取眼底照片的视杯视盘比、动静脉比等特征，并结合机器学习的方法进行分类的方法，本发明计算速度快，运行时占用计算机资源较少。

主权项：1.一种眼底照片分类方法，其特征在于：包括以下步骤：S100、获取眼底照片并进行预处理，生成标准化的眼底图片；S200、把眼底图片划分为训练集和测试集，并对训练集进行数据扩增；S300、对S200的训练集和测试集进行数据预处理，保证在训练阶段输入模型的每个训练数据集batch类别均匀；S400、基于S300集成学习策略，并训练分支神经网络模型；S500、进行模型融合，得到最终检测模型，实现对眼底照片的分类；所述S400基于S300集成学习策略，并训练分支神经网络模型；其中，S400中训练分支神经网络模型；具体包括：6.1对于每一个分支模型，都以DenseNet-101为基本网络结构，并去掉DenseNet-101最后的全连接层，添加输出维度为2的全连接层，模型参数使用基于ImageNet预训练好的参数进行迁移学习或重新训练；6.2深度学习模型的损失函数采用focalloss损失函数，其具体公式为： ；其中，α和γ为人工设置的超参数，具体的α=0.6，γ=0.25，p为softmax输出的图像为阳性样本的概率值，y为图像的真实标签，y=1表示患有慢性肾病，y=0表示未患慢性肾病，为了防止过拟合现象，再使用L2正则化对模型进行约束；6.3）模型的优化策略采用Adam优化器进行；Adam优化步骤如下： ；其中，gt为t时刻损失函数L对参数θ的梯度，β1和β2均为超参数，β1=0.9和β2=0.999，且m0=0，v0=0，α为学习率，e为分母保护参数；α=0.0001，e=1*10-8，θt为更新后的参数；6.4Dropout策略，在训练过程中模型后层有40%的随机参数不参与梯度的反向传播；6.5Early-Stop策略，在分支模型的训练过程中，一旦出现训练集上的loss和测试集上的loss偏差绝对值明显越来越大时，停止训练，保留出现偏差过大情况之前的模型。

全文数据：

权利要求：

百度查询： 北京航空航天大学 眼底照片分类方法、眼底图像处理方法和系统

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