[发明专利]一种训练多病种转诊系统的方法、多病种转诊系统以及方法

权利要求书

1.一种训练多病种转诊系统的方法，其特征在于，所述方法包括：

S1、获取用于训练的眼底图像的训练样本，以每个样本对应的所有疾病为阳性标签对其眼底图像进行标注获得训练数据集；

S2、将所述训练数据集中的训练样本输入至所述待训练的多病种转诊系统，其中，所述多病种转诊系统包括多个疾病分支网络，每个疾病分支网络包括一个对应疾病的分类器以及对所述分类器的输出进行处理的激活层；所述多病种转诊系统还包括用于对所有疾病分支网络的分类器的输出进行计算的归一化层；

S3、根据所述训练样本的损失函数更新所述多个疾病分支网络的权重，直至收敛；其中损失函数包括所有疾病分支网络的损失加上所有疾病分支网络的分类器的输出进行合并的多标签回归损失。

2.根据权利要求1所述的方法，其特征在于，所述多病种转诊系统还包括主干卷积神经网络，其输出分别与每个疾病分支网络相连。

3.根据权利要求1所述的方法，其特征在于，所述每一个疾病分支网络的激活层为sigmoid层，所述归一化层为Softmax层。

4.根据权利要求1-3任一所述的方法，其特征在于，所述损失函数表示为：

L＝∑L₁+L₂

其中，L表示多病种转诊系统的总损失，∑L₁是每个疾病分支网络的损失和，每个L₁是由包含当前疾病分支网络对应疾病类阳性标签的样本和健康样本产生的损失，L₂是所有疾病分支网络的分类器的输出进行合并的多标签回归损失。

5.根据权利要求4所述的方法，其特征在于，每个疾病分支网络的损失为二分类交叉熵损失，表示为：

其中，x表示输入疾病分支网络的样本眼底图像，f_i(x)表示x在疾病分支网络i的预测输出。

6.根据权利要求4所述的方法，其特征在于，

其中，x表示输入疾病分支网络的样本眼底图像，f_i(x)表示在疾病分支网络i的输出，P表示样本x包含的所有阳性标签的集合。

7.根据权利要求4所述的方法，其特征在于，

其中，x表示输入疾病分支网络的样本眼底图像，f_i(x)表示x在疾病分支网络i的预测输出，P表示样本x包含的所有阳性标签的集合。

8.一种采用如权利要求1-7任一所述的方法训练的多病种转诊系统，所述系统包括：

多个疾病分支网络，其中，每个疾病分支网络包括一个对应疾病的分类器以及对所述分类器的输出进行处理的激活层，所述每个疾病分支网络根据输入眼底图像输出其对应得分以及是否需要转诊；

归一化层，用于对所有疾病分支网络的分类器的输出进行计算以获得目标对象患每种疾病的概率并将概率按照疾病显著程度排序，其中将疾病分支网络输出的得分作为疾病显著程度排序依据。

9.根据权利要求8所述的系统，其特征在于，

所述每一个疾病分支网络的激活层输出输入眼底图像在当前疾病分支网络的得分，并基于预设阈值判断是否需要转诊；

其中，所述是否需要转诊的结果是通过比较当前疾病分支网络输出的得分与该疾病分支网络的预设阈值获得，输入眼底图像的得分大于或等于该疾病分支网络预设阈值判定为需要转诊。

10.根据权利要求9所述的系统，其特征在于，所述每一个疾病分支网络的预设阈值通过如下方式设定：

T1、获取与应用场景同分布的测试集，采用构建的多病种转诊系统给出测试集中每一个样本在当前疾病分支网络的得分；

T2、以每一个样本的得分为待设定阈值计算所有率得分对应的TPR和FPR，其中，TPR表示测试集对应的真阳率，FPR表示测试集对应的假阳率；

T3、将当前疾病分支网络的预设阈值设定为使TPR+1-FPR最大的待设定阈值。