[发明专利]一种基于移动端的眼底图像分类方法及系统

权利要求书

1.一种基于移动端的眼底图像分类方法，其特征在于，所述方法包括：

基于DenseNet，构建基础眼底图像识别层；

构建图像分类器，根据所述基础眼底图像识别层和所述图像分类器，构建获得基础眼底图像分类模型；

根据所述基础眼底图像分类模型，通过知识蒸馏，获得移动端眼底图像分类模型；

采集获取目标用户的眼底图像，获得目标眼底图像；

对所述目标眼底图像进行数据增强扩充，获得目标眼底图像集合；

将所述目标眼底图像集合输入所述移动端眼底图像分类模型，获得图像分类结果。

2.根据权利要求1所述的方法，其特征在于，所述基于DenseNet，构建基础眼底图像识别层，包括：

分别采集获取多类病种的多个眼底图像，获得多个样本眼底图像；

对所述多个样本眼底图像进行数据增强扩充，获得多个样本眼底图像集合；

分别对所述多个样本眼底图像集合进行特征数据标识，获得多个样本特征数据集合；

基于DenseNet，构建所述基础眼底图像识别层的基础网络结构，其中，所述基础网络结构包括：

X_i＝H_i([X₀，X₁，...，X_i-1])

其中，X_i为第i层输出，[X₀，X₁，...，X_i-1]为X₀到X_i-1层的所有输出特征向量的拼接组合，H_i为第i层进行的非线性变换，非线性变换H为BN+ReLU+Conv(3×3)的组合；

采用所述多个样本眼底图像集合和所述多个样本特征数据集合，对所述基础眼底图像识别层进行监督训练，直到收敛或准确率达到预设要求。

3.根据权利要求2所述的方法，其特征在于，所述构建图像分类器，包括：

基于随机森林算法，有放回地在所述多个样本特征数据集合内随机选择M个样本特征数据集合，作为第一构建数据集；

采用所述第一构建数据集，构建所述图像分类器的第一子模型；

再次有放回地在所述多个样本特征数据集合内随机选择M个样本特征数据集合，作为第二构建数据集；

采用所述第二构建数据集，构建所述图像分类器的第二子模型；

继续构建所述图像分类器的多个子模型，集成所述多个子模型，获得所述图像分类器；

根据所述基础眼底图像识别层和所述图像分类器，构建获得所述基础眼底图像分类模型。

4.根据权利要求3所述的方法，其特征在于，根据所述基础眼底图像识别层和所述图像分类器，构建获得所述基础眼底图像分类模型，包括：

通过global AvgPooling层连接所述基础眼底图像识别层和所述图像分类器；

根据基础模型损失函数，对连接的所述基础眼底图像识别层和所述图像分类器进行迭代训练，获得所述基础眼底图像分类模型，其中，所述基础模型损失函数如下式：

y_pred_m＝round(output_m)

diff＝y_true-y_pred

其中，output_m为所述图像分类器输出的第m种病种的概率，round为取整函数，y_pred_m为经取整后的output_m的值，y_true为onehot编码形式的实际的第m种病种的标签值，diff为y_true与y_pred的差，sum_i(x)为统计x内值为i的个数，muliti_loss为所述基础模型损失函数。