基于不确定度的早产儿视网膜病plus病变分类系统

摘要

本发明提供了一种基于不确定度的早产儿视网膜病plus病变分类系统，涉及深度学习技术领域。通过血管分割模块，先分割出眼底图像的血管，分类模块再利用贝叶斯深度学习分类网络模型提取特征，通过多次dropout蒙特卡洛，获取三组分别对应三个病变类型的概率值和一组图像噪声，并计算每组概率值的均值以及方差，将均值最大的病变类型作为最终分类结果，将图像噪声的均值作为偶然不确定度，方差和作为模型不确定度。在实际投入使用时，可以通过两种不确定度判定图像分类结果的可信程度，而不是选择盲目相信模型给予的诊断结果，这对于医生和患者而言，考虑是否需要人工眼科专家重新诊断帮助非常大，在实际临床使用更加安全可靠。