[发明专利]一种视网膜病变图像类型识别方法、装置和存储介质

权利要求书

1.一种视网膜病变图像类型识别方法，其特征在于，包括：

采集国际分期样本集和国内分期样本集；

根据所述国际分期样本集对预设国际分期模型进行训练，得到训练后国际分期模型，所述国际分期模型至少包括多个卷积层；

采用所述训练后国际分期模型对所述国内分期样本集进行计算，得到国际分期模型中每个卷积层的输出向量；

采用预设国内分期模型对所述国内分期样本集中的样本、以及国际分期模型中每个卷积层的输出向量进行计算，得到国内分期样本集中的样本的国内分期预测值；

获取国内分期样本集中的样本的国内分期标注值；

对所述国内分期样本集中的样本的国内分期标注值和国内分期预测值进行收敛，得到训练后国内分期模型；

基于训练后国内分期模型对待识别眼底图像进行视网膜病变类型识别；

其中所述采用预设国内分期模型对所述国内分期样本集中的样本、以及国际分期模型中每个卷积层的输出向量进行计算，得到国内分期样本集中的样本的国内分期预测值的步骤包括：

将所述国内分期样本集中的样本分别导入预设国内分期模型中进行计算，以获取所述国内分期模型中预设目标卷积层的输出向量；所述国际分期模型和国内分期模型的网络结构相同；

从国际分期模型中每个卷积层的输出向量中，获取与所述目标卷积层在结构位置上对应的卷积层的输出向量，得到迁移数据样本；

将所述迁移数据样本和目标卷积层的输出向量进行加权平均处理后，作为所述目标卷积层的下一层卷积层的输入向量；

将所述目标卷积层更新为所述目标卷积层的下一层卷积层，并返回执行从国际分期模型中每个卷积层的输出向量中，获取与所述目标卷积层在结构位置上对应的卷积层的输出向量的步骤，直至所述国内分期模型中的所有卷积层计算完毕；

对所述国内分期模型中最后一层卷积层的输出向量进行全连接运算，得到国内分期样本集中的样本的国内分期预测值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述国际分期样本集对预设国际分期模型进行训练，得到训练后国际分期模型，包括：

将所述国际分期样本集中的样本分别导入预设国际分期模型中进行计算，得到所述国际分期样本集中的样本的国际分期预测值；

获取国际分期样本集中的样本的国际分期标注值；

对所述国际分期样本集中的样本的国际分期标注值和国际分期预测值进行收敛，得到训练后国际分期模型。

3.根据权利要求1所述的方法，其特征在于，所述国际分期模型和国内分期模型的网络结构相同，所述采用预设国内分期模型对所述国内分期样本集中的样本、以及国际分期模型中每个卷积层的输出向量进行计算，得到国内分期样本集中的样本的国内分期预测值，包括：

将所述国内分期样本集中的样本分别导入预设国内分期模型中进行计算，以获取所述国内分期模型中预设目标卷积层的输出向量；

从国际分期模型中每个卷积层的输出向量中，获取与所述目标卷积层在结构位置上对应的卷积层的输出向量，得到迁移数据样本；

将所述迁移数据样本和目标卷积层的输出向量进行级联，得到级联后向量；

对所述级联后向量进行降维操作后，作为所述目标卷积层的下一层卷积层的输入向量；

将所述目标卷积层更新为所述目标卷积层的下一层卷积层，并返回执行从国际分期模型中每个卷积层的输出向量中，获取与所述目标卷积层在结构位置上对应的卷积层的输出向量的步骤，直至所述国内分期模型中的所有卷积层计算完毕；

对所述国内分期模型中最后一层卷积层的输出向量进行全连接运算，得到国内分期样本集中的样本的国内分期预测值。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述采集国际分期样本集和国内分期样本集之后，还包括：

对所述国际分期样本集中的样本和国内分期样本集中的样本进行数据增强处理；和/或，

对所述国际分期样本集中的样本和国内分期样本集中的样本进行预处理。