Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于眼底图像病灶分割的多因素糖尿病肾病进展预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:天津工业大学

摘要:本发明提供了一种基于眼底图像病灶分割的多因素糖尿病肾病进展预测方法,该方法包括:1收集病人彩色眼底图像和临床信息作为样本数据;2对彩色眼底图像预处理,提取眼底区域;3对图像尺寸归一化以适应网络结构;4构建和训练深度学习模型,对眼底图像进行病灶分割;5利用分割结果提取病灶面积占比特征;6将病灶面积占比与患者的临床数据相结合,根据尿蛋白变化形成肾病进展高风险和低风险两类标签,构建多因素数据集;7使用多因素数据集训练多因素糖尿病肾病进展预测模型,利用随机森林算法进行建模;8对糖尿病肾病患者的眼底图像进行病灶分割和特征提取,将病灶特征和临床信息输入训练好的多因素糖尿病肾病进展预测模型中,输出糖尿病肾病进展预测结果。本方法可广泛地应用于对糖尿病肾病进展进行预测。

主权项:1.一种基于眼底图像病灶分割的多因素糖尿病肾病进展预测方法,包括下列步骤:步骤1:收集糖尿病肾病患者的彩色眼底图像和临床信息并进行标注;步骤1-1:在研究开始阶段收集糖尿病肾病患者的彩色眼底图像和临床信息,临床信息包括就诊年龄、性别、病程、收缩压SBP、舒张压DBP、尿素Urea、尿酸UA、24h尿微量白蛋白mAlb、24h尿总蛋白TP、尿白蛋白肌酐比率UACR和估算肾小球滤过率eGFR;步骤1-2:对彩色眼底图像中的病灶进行像素级的标注;步骤1-3:对患者进行随访,收集半年后患者的尿蛋白数据,对于尿蛋白增加的患者标记为肾病进展高风险,对于尿蛋白无变化或尿蛋白减少的患者标记为肾病进展低风险;步骤2:对彩色眼底图像进行预处理;步骤2-1:裁剪眼底图像中的黑色边框;步骤2-2:采用限制对比度自适应直方图均衡化CLAHE增强图像;步骤2-3:将图像像素值从0~255归一化为0~1;步骤3:对步骤2中预处理后的眼底图像归一化为512×512的相同尺寸;步骤4:引入双支路特征提取、交叉注意力特征融合、跳跃连接解码器构造用于病灶分割的变形混合VisionTransformer网络模型并进行模型训练;步骤4-1:构造变形混合VisionTransformer病灶分割网络模型,1使用CNN网络和变形VisionTransformer网络作为两条支路,分别提取图像的局部特征和全局特征;2将全局特征作为查询q,局部特征作为键k和值v,引入交叉注意力进行特征融合得到分层特征stage1,stage2,stage3和stage4;3在解码器阶段引入跳跃连接,在相同层次的融合特征和解码器特征之间直接连接保留高分辨率特征以更好地恢复细节信息;步骤4-2:训练变形混合VisionTransformer病灶分割网络模型,首先在公开数据集进行训练,然后在步骤3处理过的彩色眼底图像上进行训练和微调,得到训练好的病灶分割模型;步骤5:利用步骤4训练好的病灶分割模型分割出眼底图像中的病灶,计算病灶区域的面积并除以整个眼底图像的面积,得到病灶面积占比这一特征;步骤6:将病灶面积占比与患者的就诊年龄、性别、病程、收缩压SBP、舒张压DBP、尿素Urea、尿酸UA、24h尿微量白蛋白mAlb、24h尿总蛋白TP、尿白蛋白肌酐比率UACR和估算肾小球滤过率eGFR相结合,形成多因素糖尿病肾病进展数据集;步骤7:采用随机森林方法,基于多因素糖尿病肾病进展数据集训练糖尿病肾病进展预测模型;步骤8:对糖尿病肾病患者进行糖尿病肾病风险预测;步骤8-1:收集糖尿病肾病患者的彩色眼底图像和临床信息,临床信息包括就诊年龄、性别、病程、收缩压SBP、舒张压DBP、尿素Urea、尿酸UA、24h尿微量白蛋白mAlb、24h尿总蛋白TP、尿白蛋白肌酐比率UACR和估算肾小球滤过率eGFR;步骤8-2:对患者的眼底图像进行病灶分割并计算病灶占比,联合临床信息输入步骤7中训练好的糖尿病肾病进展预测模型中,模型输出对该患者的糖尿病肾病进展预测结果。

全文数据:

权利要求:

百度查询: 天津工业大学 一种基于眼底图像病灶分割的多因素糖尿病肾病进展预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术