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！

摘要：本发明涉及一种基于深度学习的不规则采样眼底图像预测系统及方法，属于图像处理技术领域。本发明包括步骤：1、初始化眼底图像数据集；2、构建风格迁移模型；3、对风格迁移模型进行训练获得训练完成的风格迁移模型；4、利用时序数据对时空预测模型进行训练；5、对预测图像和配准后的测试集进行联合分析，生成用于眼底图像分析的疾病分类曲线和病变分割曲线；本发明通过提取眼底图像进行内容特征和风格特征分解，利用卷积递归单元和运动估计单元获得预测的内容特征；在对预测的内容特征和风格特征融合生成预测眼底图像；按照疾病分类和病变分割的方式生成曲线，从而，依据曲线的走势获得眼底疾病和病变的演变结果。

主权项：1.一种基于深度学习的不规则采样眼底图像预测方法，其特征在于：包括以下步骤，步骤1：初始化眼底图像数据集，利用随机分配的方式将数据集分割为训练集和测试集；步骤2：构建风格迁移模型；步骤3：对风格迁移模型进行训练获得训练完成的风格迁移模型；步骤4：利用时序数据对时空预测模型进行训练；步骤4.1：时空预测模型的构建；步骤4.1.1：对步骤3完成的风格迁移模型进行重构得到内容编码模块、风格编码模块和目标解码模块；进一步的将特征编码器与内容自适应模块级联形成内容编码模块，特征编码器与风格自适应模块级联形成风格编码模块，自适应交互模块与特征解码器级联形成目标解码模块；步骤4.1.2：对时空预测模型中的卷积循环单元和运动估计单元采用式1所示的方式进行重构； 其中，表示第t时刻第l层卷积循环单元输出的隐藏状态，Enc和Dec分别表示编码和解码操作，H′为编码之后的特征，Et表示第t-1时刻和第t时刻间的时间间隔，和分别表示第t-1时刻第l层的运动偏移和运动趋势，为对H′以时间间隔Et连续积分后的结果，*和Wg分别表示卷积操作和卷积核，σ表示sigmoid激活操作，⊙表示哈达玛积，gt为计算得到的门控变量，为采用神经常微分的运动估计单元得到的隐藏状态；步骤4.1.3：对步骤4.1.2运动估计单元采用如式2所示的方式进行优化； 其中，ODESolver利用式2以累积方式进行连续建模；Δt表示当前循环的时间间隔，ut为更新门，rt为重置门，表示瞬时运动速度，F′t-1+Δt表示瞬时变化，α为预设的超参数0到1之间，tanh表示tanh激活操作，Warp为双线性插值的变形操作；步骤4.2：通过训练时空预测模型得到预测图像；步骤4.2.1：将数据集中的历年样本与首年样本眼底图像采用关键点检测方式分别对训练集和测试集进行配准，得到配准后的训练集和配准后的测试集；步骤4.2.1：利用内容编码模块和风格编码模块对配准后的训练集的内容特征和风格特征进行提取；步骤4.2.2：将配准后的训练集的内容特征和时间间隔信息依次输入至堆叠的卷积循环单元和运动估计单元进行内容特征预测；步骤4.2.3：将配准后的训练集的风格特征和时空预测模型输出的内容特征通过目标解码模块经融合后生成预测图像集；步骤4.2.4：将步骤4.2.3采用如式3所示的损失函数通过循环迭代的方式获得训练完成的时空预测模型； 其中n表示训练迭代的批次大小，Ii,2:T和分别表示第i个配准后训练样本对应的第2到T时刻的原始输入图像和输出预测图像；fi,2:T和分别表示第i个配准后训练样本对应的第2到T时刻的内容特征和输出预测内容特征；φj表示采用ImageNet预训练的VGG19网络的第j层；β是预设的超参数；步骤4.2.5：将配准后的测试集输入至训练完成的时空预测模型中，进而获得预测图像；步骤5：对预测图像和配准后的测试集进行联合分析，生成用于眼底图像分析的疾病分类曲线和病变分割曲线；步骤5.1：对预测图像与配准后的测试集按照疾病类型分别进行疾病分类；步骤5.2：对预测图像与配准后的测试集按照病变状态分别进行病变分割；步骤5.3：通过步骤5.1所述的疾病分类和步骤5.2所述的病变分割分别对预测图像与配准后的测试集进行联合分析；步骤5.4：通过步骤5.3所述的联合分析利用统计方法分别生成疾病分类曲线和病变分割曲线。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于深度学习的不规则采样眼底图像预测系统及方法