[发明专利]一种基于领域知识迁移的不同条件下眼部疾病的预测和模拟方法

权利要求书

1.一种基于领域知识迁移的不同条件下眼部疾病的预测和模拟方法，其特征在于：包括：条件生成网络、性能评价网络、预测网络和门控网络；条件生成网络：用以学习和模拟不同疾病和不同严重程度条件下所出现临床表现的概率分布；性能评价网络：用以评价条件生成网络的生成结果真实性；预测网络：用以对生成网络的生成结果进行解码，作出输入基线图片条件下的眼病预测；门控网络：用以根据真实环境需求，调整条件生成网络和性能评价网络之间的博弈平衡；

条件生成网络的步骤为：将代表不同疾病和不同严重程度和不同影响因素的数值作为不同变量输入条件生成网络，形成一个特征向量，条件生成网络根据不同的特征向量做反卷积操作进行采样，生成一份特征图谱，网络训练的时候以提高生成的特征图谱与训练时输入的特征图谱的相似程度，欺骗性能评价网络为目的，条件生成网络的损失函数为重建损失、对抗损失、交叉熵或平滑的L1损失；

性能评价网络的步骤为：将不同变量输入形成一个特征向量，将特征向量做复制填充或加零填充后使其与输入图像的尺寸大小相同，并作为领域知识埋入图像的另一个维度中作为输入的特征图谱，通过卷积神经网络对生成的特征图谱和输入的特征图谱进行特征提取，比较特征之间的相似度，如果生成的特征图谱与训练时输入的特征图谱并不相似，则判定条件生成网络生成失败，需要重新训练和重新生成；训练条件生成网络的时候不断提高性能评价网络的评价标准，让条件生成网络通不过其评价为目的，条件生成网络的损失函数为对抗损失、交叉熵或平滑的L1损失；

预测网络的步骤为：条件生成网络训练好，进行使用时，将生成的特征图谱进行通道分离和解码，将生成的特征图谱中不同位置的特征分解为代表不同疾病和不同严重程度和不同影响因素的数值以及这些数值对应的预测图片，对结果进行分析展示；比较预测图片与基线图片的像素间差异，在热力图中高亮有差异的部分，作出输入基线图片条件下的眼病预测；

门控网络的具体步骤为：根据真实环境需求，设置条件生成网络和性能评价网络的占比，由门控网络控制条件生成网络和性能评价网络的间隔训练次数。