(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211332335.4 (22)申请日 2022.10.28 (71)申请人 中南大学 地址 410083 湖南省长 沙市岳麓区麓山 南 路932号 (72)发明人 张健　戴梅　 (74)专利代理 机构 长沙市融智专利事务所(普 通合伙) 43114 专利代理师 熊开兰 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/70(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 10/74(2022.01)G06V 10/77(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种青光眼自动识别模 型选择方法、 设备和 介质 (57)摘要 本发明公开了一种青光眼自动识别模型选择 方法、 设备和介质 ， 方法包括： 获取预训练模型库； 选取公共视网膜图像数据集作为源域数据集 ， 将青光眼底图像 数据集作为目标域数据集 ； 度 量每个模型在 与 间的可迁移性： 使用模型提 取 和 中样本的特征向量， 再双线性转换， 将 得到的高维特 征向量进行低维映射， 得到特 征集 、 ； 计算 和 的中心特征及相互距离， 使用 该距离表征当前预测模型对源域与 目标域自动 识别的可迁移性； 选择可迁移性最强的模型进行 训练， 用于青光眼自动识别。 本发明选择得到的 预测模型， 不需要青光眼样本标签， 且有较好的 青光眼自动识别效果。 权利要求书2页 说明书7页 附图1页 CN 115393362 A 2022.11.25 CN 115393362 A 1.一种基于可迁移性度量的青光眼自动识别模型选择 方法， 其特 征在于， 包括： 步骤1， 获取在标准数据集上训练得到的预训练模型库 ； 其 中 分别为N个不同的预训练模型； 步骤2， 选取公共视网膜图像数据集作为源域数据集 ， 包括 个公共视网膜图像样 本， 记为 ； 将青光眼底图像数据集作为目标域数据集 ， 包括 n个青光眼底图像样本， 记为 ； 对于每个预训练模型， 均按步 骤3‑5度量其在源域数据集 与目标域数据集 之间用于自动识别的可迁移性； 步骤3， 使用预训练模型提取源域数据集 和目标域数据集 中每个样本的特征向 量， 再对提取的特 征向量进行双线性 转换获得高维特 征向量； 步骤4， 将步骤3得到 的每个高维特征向量进行count  sketch映射， 得到表征源域数据 集 的源域特 征集 和表征目标域数据集 的目标域特 征集 ； 步骤5， 计算源域特征集 的中心特征 和目标特征集 的中心特征 ， 然后计算 与 之间的堪培拉距 离， 并使用该距 离来表征当前预测模型对源域数据集 与目标域 数据集 进行自动识别的可迁移性， 且距离最小模型的可迁移性超强； 步骤6， 选择可迁移性最强 的预训练模型， 使用源域数据集 进行训练， 将训练所得模 型作为青光眼自动识别模型。 2.根据权利要求1所述的青光眼自动识别模型选择方法， 其特征在于， 所述 N个不同的 预训练模型均为异构深度学习模型。 3.根据权利要求1所述的青光眼自动识别模型选择方法， 其特征在于， 对特征向量进行 双线性转换的计算式为： 式中， 为预训练模型提取的特征向量， 是特征向量   的转置向量， 为双 线性转换得到的矩阵； 然后将矩阵 所有元素拼接成长度为 的高维特 征向量 。 4.根据权利要求1所述的青光眼自动识别模型选择方法， 其特征在于， 将每个 高维特征 向量进行count  sketch映射的具体过程 为： （1） 自定义count  sketch变换函数的投影维数d； （2） 随机生成数组 和 ， 其中 从数组 随机抽取赋值， 从数 组{1,‑1}随机抽样赋值； 初始化 d维零向量 ； （3） 计算 ， 得到的d维向量  即为映射得权　利　要　求　书 1/2 页 2 CN 115393362 A 2到的特征向量； 其中 为高维特 征向量 中的第i个分量。 5.根据权利要求1所述的青光眼自动识别模型选择方法， 其特征在于， 所述源域特征集 的中心特 征 的计算方法为： （1） 针对源域特征集 ， 设置聚类簇数 ， 令簇 ； 其 中 分别为源域 数据集 中m个样本经count  sketch映射 得到的m个特征 向量； （2） 从 中随机选择1 个特征向量作为初始均值向量   ； （3） 从 中随机选择1 个特征向量 添加到簇C； （4） 更新均值向量 ， 同时将 从簇C和源域特征集 中移除； 其中 和 为更新前和更新后的均值向量； （5） 重复步骤 （3） （4） ， 直到源域特征集 为空， 此时的均值向量 即为源域特征集 的中心特 征 ； 所述目标域特征集 的中心特征 的计算方法， 与源域特征集 的中心特征 的计 算方法相同。 6.根据权利要求1所述的青光眼自动识别模型选择方法， 其特征在于， 与 之间的 堪培拉距离计算式为： 式中， 为 与 之间的堪培拉距离， 和 分别表示 与 的第i 维特征，d为count sketch映射得到的特 征向量的维数。 7.一种电子设备， 包括存储器及处理器， 所述存储器中存储有计算机程序， 其特征在 于， 所述计算机程序被所述处理器执行时， 使得所述处理器实现如权利要求1～6中任一项 所述的方法。 8.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现如权利要求1～6中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115393362 A 3