一种基于小样本学习的眼底病变分级方法

专利主权项内容

1.一种基于小样本学习的眼底病变分级方法，其特征在于，具体包括以下步骤：Step1，从数据源收集视网膜眼底彩照，数据采集完成后导出图片，并交由专业医师对所有图片进行标注，按照眼底病变国际临床分级标准进行分级；Step2，在对眼底彩照进行提高图像质量、减少噪声、标准化图像的处理后选择数据集，对每个级别选取K个样本作为支持集查询集/>其中y∈C，K是每种眼底病变级别提取的样本数，M是查询集Q的样本数；inovel同时，定义一个具有丰富样本、且准确标注的辅助数据集其中y∈C，要求C∩C＝φ，同样将辅助数据集划分为支持集S和查询集Q，用于进行元训练；ibasebasenovelbbStep3，构建用于生成类内权重的对比网络，进行预训练和元训练后，学习各级别眼底病变的类内特征；Step4，构建用于生成类间权重的元网络，进行预训练和元训练后，学习各级别眼底病变的类间特征；Step5，利用对比网络和元网络提取的样本权重对眼底病变原型进行修正；Step6，对未标记的影像与各级别眼底病变原型进行相似性评分以进行眼底病变的分级预测。