买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：本发明的一种可用于慢性肾病检测的眼底照片分类系统和存储介质，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系统，其特征在于包括：眼底照片预处理单元，用于获取眼底照片并进行预处理，生成标准化的眼底图片；眼底照片划分单元，用于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；训练集和测试集处理单元，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batch类别均匀；模型训练单元，用于基于集成学习策略，并训练分支神经网络模型；模型融合确定单元，用于进行模型融合，得到最终检测模型，实现对眼底照片的分类其中，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： mt＝β1mt-1+1-β1gt 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 可用于慢性肾病检测的眼底照片分类系统和存储介质