公开(公告)号：CN112545452B

公开(公告)日：2021-11-30

申请号：CN202011429632.1

申请日：2020-12-07

申请人： 南京医科大学眼科医院

发明人： 杨卫华 ,  李晗 ,  万程 ,  蒋沁 ,  曹国凡 ,  张杰

IPC分类号： A61B3/12

摘要： 本发明公开一种基于卷积神经网络及知识蒸馏的高度近视眼底病变风险预测方法，包括：获取眼底图像，随机划分训练集和测试集数据；对训练集采取随机翻转、裁剪、色彩抖动、归一化等预处理，对测试集仅进行归一化预处理；利用知识蒸馏方法进行分类网络模型的训练，将训练数据分别送入预训练好的教师网络和待训练的学生网络；将教师网络输出的软标签值与真实标签值作为监督信息，分别与学生网络输出的预测值计算KL Loss和Focal Loss；将两种不同的Loss值加权求和，作为最终的损失函数，用于学生网络的参数更新；训练好的学生网络可以对眼底图像测试集进行正常‑低风险高度近视眼底病变‑高风险高度近视眼底病变的三分类预测。

公开(公告)号：CN112545452A

公开(公告)日：2021-03-26

申请号：CN202011429632.1

申请日：2020-12-07

申请人： 南京医科大学眼科医院

发明人： 杨卫华 ,  李晗 ,  万程 ,  蒋沁 ,  曹国凡 ,  张杰

IPC分类号： A61B3/12

摘要： 本发明公开一种基于卷积神经网络及知识蒸馏的高度近视眼底病变风险预测方法，包括：获取眼底图像，随机划分训练集和测试集数据；对训练集采取随机翻转、裁剪、色彩抖动、归一化等预处理，对测试集仅进行归一化预处理；利用知识蒸馏方法进行分类网络模型的训练，将训练数据分别送入预训练好的教师网络和待训练的学生网络；将教师网络输出的软标签值与真实标签值作为监督信息，分别与学生网络输出的预测值计算KL Loss和Focal Loss；将两种不同的Loss值加权求和，作为最终的损失函数，用于学生网络的参数更新；训练好的学生网络可以对眼底图像测试集进行正常‑低风险高度近视眼底病变‑高风险高度近视眼底病变的三分类预测。