公开(公告)号：CN116152229B

公开(公告)日：2023-07-11

申请号：CN202310397924.9

申请日：2023-04-14

Applicant: 吉林大学

Inventor： 欧阳继红 ,  刘思光 ,  李成溪 ,  孟庆奕

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种糖尿病视网膜病变诊断模型的构建方法及诊断模型，属于深度学习技术领域。所述构建方法包括：获取眼底图像并进行预处理，得到输入图；将输入图输入骨干网络进行特征提取，得到包含高级特征的特征图；设计改进的分类器，将特征图输入改进的分类器，经过计算分别得到一个分类预测结果和一个回归预测结果；设计相对位置损失函数附加项，上一步骤中的分类预测结果用于计算交叉熵损失函数，回归预测结果用于计算相对位置损失函数附加项；交叉熵损失函数和相对位置损失函数附加项相结合得到最终的联合损失函数，以实现诊断模型的构建。本发明构建的模型能够对糖尿病视网膜病变过程连续性信息进行学习，显著提升模型性能。

公开(公告)号：CN116152229A

公开(公告)日：2023-05-23

申请号：CN202310397924.9

申请日：2023-04-14

Applicant: 吉林大学

Inventor： 欧阳继红 ,  刘思光 ,  李成溪 ,  孟庆奕

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种糖尿病视网膜病变诊断模型的构建方法及诊断模型，属于深度学习技术领域。所述构建方法包括：获取眼底图像并进行预处理，得到输入图；将输入图输入骨干网络进行特征提取，得到包含高级特征的特征图；设计改进的分类器，将特征图输入改进的分类器，经过计算分别得到一个分类预测结果和一个回归预测结果；设计相对位置损失函数附加项，上一步骤中的分类预测结果用于计算交叉熵损失函数，回归预测结果用于计算相对位置损失函数附加项；交叉熵损失函数和相对位置损失函数附加项相结合得到最终的联合损失函数，以实现诊断模型的构建。本发明构建的模型能够对糖尿病视网膜病变过程连续性信息进行学习，显著提升模型性能。