一种眼病发展趋势的自动预测方法

由于目前对眼病辅助诊断的研究都是基于当前阶段拍摄的影像进行的自动分类或分级诊断,对眼病的自动预测还非常稀少,故提出了一种基于代价敏感的时间序列预测模型,用于分析和预测眼病发展的趋势.该方法首先使用坎尼边缘检测算子和霍夫变换对裂隙灯图像进行预处理,获取晶状体病灶区域;然后使用残差卷积神经网络提取晶状体区域的高层特征,再把提取的高层特征按照患者复查的时间顺序输入到长短时记忆网络中以挖掘时间序列数据之间的内在规律;最后使用带有代价敏感的Softmax分类器预测眼病的发展趋势.实验结果表明,该方法具有较高的预测准确率和敏感度,同时可对长度为3～5的序列图像进行预测.