首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于神经网络模型的角膜溃疡的分类检测方法及系统 

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:杭州电子科技大学

摘要:本发明公开了基于神经网络模型的角膜溃疡的分类检测方法及系统,涉及角膜溃疡的分类检测和疾病判别领域。主要方法包括:利用多个摄像头多角度采集被测者荧光染色后的角膜图像;制作并对角膜图像添加掩膜,提取有效部分;进一步处理提取的有效角膜图像,将其作为网络输入;使用经过大量有效数据训练后的Inception‑ResNet‑V2神经网络模型完成对点样型角膜溃疡、点片状混合型角膜溃疡和片状型角膜溃疡的初步分类;利用训练后的支持向量机处理不同角度的角膜图像检测结果,做出最终的分类判断;本发明提供的系统可实现较高准确率的角膜溃疡类型检测,且数据可上传至云端服务器供进一步分析。

主权项:1.基于神经网络模型的角膜溃疡的分类检测方法,其特征在于包括如下步骤:S10,通过多个摄像头多角度采集被测者荧光染色后的角膜图像;S20,通过形态学操作,制作并添加掩膜,提取角膜图像的有效部分;S30,对提取的有效角膜图像进行预处理,标注数据类型;S40,设置神经网络模型的训练参数,将已有标注好的角膜图像输入模型进行训练;选用tensorflow框架搭建Inception-ResNet-V2神经网络模型,根据角膜图像数据和尝试训练效果对网络参数进行合理调整,在模型中,选择线性整流函数作为激活函数,ReLu函数表达式为: 最后采用softmax函数输出三类分类情况,softmax函数的表达式为: 式中,Si为第i种类别的输出,xi为上一层单元的输出;训练过程中采用随机梯度下降算法作为优化算法,公式为: 式中,η表示学习率,决定以多大的步长更新参数,表示损失函数在每一条数据上对参数θ计算一阶导数;选择进行加权修改的交叉熵损失函数作为训练Inception-ResNet-V2的多分类损失函数,权重计算和加权后的交叉熵损失函数计算公式如下所示 式中,N为类型数量,Nall为样本总数量,Nx,x=0,1,2共三类病症,为对应类别的样本数量,Y、P为样本实际标签矩阵与概率矩阵,M为计算样本数量;监测指标为准确率,同时训练过程中设置回调函数对学习率进行动态调整;S50,保存训练完成后的模型,完成对点样型角膜溃疡、点片状混合型角膜溃疡和片状型角膜溃疡的分类;S60,将不同角度的角膜图像检测结果作为输入,在模型后添加支持向量机,自动赋予不同角度不同的权重,输出最终检测结果。

全文数据:

权利要求:

百度查询: 杭州电子科技大学 基于神经网络模型的角膜溃疡的分类检测方法及系统

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。