[发明专利]一种基于深度学习的手机端糖尿病性视网膜病变筛查APP

说明书

本发明公开了一种基于深度学习的糖尿病性视网膜病变筛查手机端APP，技术流程如下：1)深度学习模型的训练；2)将训练好的深度学习模型进行剪枝与压缩；3)将压缩后的模型部署到手机端，并嵌入到Android及IOS的手机端APP，同时将图像处理算法迁移至手机端；本发明提供的基于深度学习的糖尿病性视网膜病变筛查手机端APP，聚焦实时眼底照片的分析，能够更好地支撑本地业务的实时智能化处理与执行。

技术领域

本发明涉及一种结合了深度学习和边缘计算的AI技术产品，应用于针对眼底照片的糖尿病性视网膜病变的筛查。具体地，是涉及一种基于深度学习的手机端糖尿病性视网膜病变筛查APP。

背景技术

本发明提供了一种基于深度学习的手机端糖尿病性视网膜病变筛查APP，该发明用于完成针对眼底照片的糖尿病性视网膜病变的筛查，可以在手机端实时完成、图像处理、深度学习模型推理及筛查结果反馈的全部工作。

从数据服务方式角度进行分类，该发明属于边缘计算的数据服务方式。边缘计算是相对云计算的一种数据服务方式。云计算由于深度学习(人工智能)模型部署在云端，所以数据流程是：数据采集→上传云端服务器→云端做深度学习推理计算→计算结果返回用户端。边缘计算由于深度学习模型部署在终端，所以不需要将数据上传至云端，在终端本地就可以完成数据采集和AI的计算(推理)。边缘计算的优势是实时性高，不依赖于云和网络，部署成本更低。在本申请方案所属领域中，现有的技术方案采用的是云端部署深度学习模型的方式，数据采集后上传云端，云端将深度学习模型推理的结果返回终端。这种方式的主要缺点是实时性较差，数据安全性不高。

同时，由于手机端的硬件计算能力有限，该发明在技术实现上，针对图像处理和深度学习模型推理这两大耗时操作做了优化，使得整体的端糖尿病性视网膜病变筛查达到了秒级响应速度。

发明内容

本发明为基于深度学习的手机端糖尿病性视网膜病变筛查APP，可在手机端完成眼底照片图像处理、深度学习模型推理、筛查报告反馈等各项任务。且该发明具有秒级糖尿病性视网膜病变筛查的响应速度。

为实现上述技术效果，采用的具体技术方案为：

技术流程如下：

1)利用眼底照片数据训练深度学习模型；

2)将1)训练好的深度学习模型进行剪枝与压缩，使深度学习模型轻量化；

3)将2)轻量化后的深度学习模型及本发明独创的高效眼底图像处理算法部署到手机端，加入筛查报告生成机制后即形成本发明的手机端糖尿病性视网膜病变筛查APP的主要功能模块。

其中，

1)中，训练深度学习模型需要输入原始的眼底照片和与原始眼底照片对应的标签(糖尿病性视网膜病变的程度标识)，该标签在模型训练过程中将作为目标向量(target)，是模型输出需要逼近的目标。同时原始图像在输入深度学习模型预测之前需要做图像预处理，该步骤的目的是强化图片的特征，经过特征强化的眼底图片可以加快模型训练速度，提升模型训练效果。深度学习模型会为每一张特征强化的眼底图片预测一个输出，模型的预测输出与目标向量的差异将作为loss(损失量)，指导深度学习模型参数的修正，直到深度学习模型的输出与目标向量的差异足够小，深度学习模型训练结束。

2)中，将步骤1)训练好的深度学习模型进行剪枝与压缩，其目的是在保证模型精度的前提下，减少深度学习模型预测需要计算量，从而弥补手机硬件平台计算能力不足的缺点。具体实施中，根据深度学习模型权重的稀疏特征，去掉部分对输出影响不大的参数(卷积核)。