[发明专利]基于卷积神经网络的晶状体浑浊程度检测方法

权利要求书

1.基于卷积神经网络的晶状体浑浊程度检测方法，其特征在于：该方法步骤如下：

(1)、对待测图像采用光照增强法进行预处理形成预处理图像数据；

(2)、将(1)步骤中的预处理图像数据代入晶状体浑浊程度检测学习模型实现检测。

2.根据权利要求1所述的基于卷积神经网络的晶状体浑浊程度检测方法，其特征在于：

(2)步骤中的晶状体浑浊程度检测模型的构建方法如下：

(2.1)、构建MSLPP数据集；然后对数据集中的图像进行预处理；并将预处理的MSLPP数据集分为训练集、验证集和测试集；

(2.2)、利用(2.1)步骤中的预处理之后的图像形成的数据集进行模型训练得晶状体浑浊程度检测学习模型。

3.根据权利要求2所述的基于卷积神经网络的晶状体浑浊程度检测方法，其特征在于：(2.1)步骤中MSLPP数据集的构建方式如下：收集临床中由裂隙灯采集的眼部晶体图像，并将其分为正常、早期晶状体浑浊及晶状体浑浊三类。

4.根据权利要求2所述的基于卷积神经网络的晶状体浑浊程度检测方法，其特征在于：(2.1)步骤中的预处理方法为：先采用光照增强法对数据集进行处理，再对光照增强法处理后的数据集利用数据扩增法处理。

5.根据权利要求1或4所述的基于卷积神经网络的晶状体浑浊程度检测方法，其特征在于：

光照增强法采用如下方法：

将输入图像尺寸压缩为299×299像素，设图像任意一点A(x,y)的三通道像素为[R(x,y),G(x,y),B(x,y)]^T，其中R(x,y)、G(x,y)、B(x,y)分别代表点A(x,y)中红、绿、蓝三个通道的亮度值，三个通道的亮度值范围均为0-255,则图像的平均像素值表示为：

若则图像各点像素值变为若则图像各点像素值变为若则图像各点像素值不变。

6.根据权利要求5所述的基于卷积神经网络的晶状体浑浊程度检测方法，其特征在于：

2.1)步骤的预处理中的数据扩增法有以下三种，三种方法中选择其中之一、之二或者全部：

(1)平移：将光照增强后的图像上下左右分别平移5-20个像素点；使得图像平移扩增至原来的倍数，该倍数为平移的次数；

(2)旋转：将光照增强后的图像顺逆旋转5°-20°；使得图像旋转扩增至原来的倍数，该倍数为旋转的次数；

(3)镜像：将光照增强后的图像上下左右各镜像一次，即上下翻转一次，左右翻转一次，使得图像镜像扩增至原来的倍数，该倍数为镜像的次数；

如果选择三种方法其中之二或者全部时，对图像扩增都只针对同一个光照增强后的图像进行，然后将增强后的图像一起使用。

7.根据权利要求2所述的基于卷积神经网络的晶状体浑浊程度检测方法，其特征在于：(2.2)步骤模型训练采用卷积神经网络进行迁移学习后再利用预处理后的MSLPP数据集对迁移学习后的模型继续训练；

迁移学习及训练的步骤为：

第一步，基于ImageNet图像标注的数据集，在Inception-V3模型上进行预训练，提取一个2048维的特征向量；

第二步，将所述特征向量输入一个单层的全连接神经网络，使用一个包含Softmax分类器的单层全连接神经网络，再经过预处理后的MSLPP数据集训练后即得到最终分类结果。