[發(fā)明專利]用于檢測眼底圖片的模型訓(xùn)練方法、眼底圖片的檢測方法及裝置

有效

• 申請?zhí)枺?/td>: 201910320422.X
• 申請日: 2019-04-19
• 公開（公告）號: CN110070531B
• 公開（公告）日: 2021-05-07
• 發(fā)明（設(shè)計）人: 張夢蕾
• 申請（專利權(quán)）人: 京東方科技集團股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06K9/00
• 代理公司: 北京中博世達(dá)專利商標(biāo)代理有限公司 11274
• 代理人: 申健

1.一種用于檢測眼底圖片的模型訓(xùn)練方法，其特征在于，包括：

將眼底圖片訓(xùn)練集的N個眼底圖片中的每個所述眼底圖片，分割為M個超像素；N和M均為正整數(shù)；

根據(jù)M×N個所述超像素，訓(xùn)練得到第一網(wǎng)絡(luò)模型；所述第一網(wǎng)絡(luò)模型用于將輸入的每個所述超像素，在輸出時標(biāo)識為關(guān)鍵像素或背景像素；

根據(jù)M×N個所述超像素中屬于關(guān)鍵像素的所述超像素，訓(xùn)練得到第二網(wǎng)絡(luò)模型；所述第二網(wǎng)絡(luò)模型用于將輸入的每個所述超像素，在輸出時標(biāo)識為病變或非病變；

其中，根據(jù)M×N個所述超像素，訓(xùn)練得到第一網(wǎng)絡(luò)模型，包括：

構(gòu)建深層神經(jīng)網(wǎng)絡(luò)；

每次選取M×N個所述超像素中的至少一個所述超像素，輸入所述深層神經(jīng)網(wǎng)絡(luò)中；其中，M×N個所述超像素中的每個所述超像素已預(yù)先被標(biāo)記為關(guān)鍵像素或背景像素；

將所述深層神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與所述超像素預(yù)先的標(biāo)記結(jié)果進行比較，訓(xùn)練所述深層神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，直至所述深層神經(jīng)網(wǎng)絡(luò)在輸出時，將所述超像素標(biāo)識為關(guān)鍵像素或者背景像素的正確率達(dá)到第一閾值，得到所述第一網(wǎng)絡(luò)模型；

其中，根據(jù)M×N個所述超像素，訓(xùn)練得到第二網(wǎng)絡(luò)模型，包括：

構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)；所述卷積神經(jīng)網(wǎng)絡(luò)為殘差網(wǎng)絡(luò)和Inception網(wǎng)絡(luò)的結(jié)合；

每次選取M×N個所述超像素中，屬于關(guān)鍵像素的所有所述超像素中的至少一個所述超像素，輸入所述卷積神經(jīng)網(wǎng)絡(luò)中；其中，屬于關(guān)鍵像素的每個所述超像素已預(yù)先被標(biāo)記為病變或非病變；將所述卷積神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果與屬于關(guān)鍵像素的所述超像素預(yù)先的標(biāo)記結(jié)果進行比較，訓(xùn)練所述卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，直至所述卷積神經(jīng)網(wǎng)絡(luò)的損失值減小到第二閾值，得到所述第二網(wǎng)絡(luò)模型；所述卷積神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果包括將所述超像素標(biāo)識為病變或非病變。

2.根據(jù)權(quán)利要求1所述的用于檢測眼底圖片的模型訓(xùn)練方法，其特征在于，所述深層神經(jīng)網(wǎng)絡(luò)為深度信念網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的用于檢測眼底圖片的模型訓(xùn)練方法，其特征在于，將眼底圖片訓(xùn)練集的N個眼底圖片中的每個所述眼底圖片，分割為M個超像素之前，所述用于檢測眼底圖片的模型訓(xùn)練方法還包括：

對所述眼底圖片進行第一預(yù)處理；

所述第一預(yù)處理，包括：旋轉(zhuǎn)、剪切、扭曲、縮放、調(diào)整色差、降低分辨率中的至少一種。

4.一種眼底圖片的檢測方法，其特征在于，包括：

將待檢測眼底圖片分割為P個超像素，并獲取P個所述超像素一一對應(yīng)的地址；

將該P個所述超像素輸入由權(quán)利要求1-3任一項所述的用于檢測眼底圖片的模型訓(xùn)練方法得到的第一網(wǎng)絡(luò)模型中，獲取標(biāo)識為關(guān)鍵像素的所述超像素；

將標(biāo)識為關(guān)鍵像素的所述超像素輸入由權(quán)利要求1-3任一項所述的用于檢測眼底圖片的模型訓(xùn)練方法得到的第二網(wǎng)絡(luò)模型中，獲取標(biāo)識為關(guān)鍵像素且病變的所述超像素；

根據(jù)標(biāo)識為關(guān)鍵像素且病變的所述超像素對應(yīng)的地址，在所述待檢測眼底圖片找到該超像素的位置，并在所述待檢測眼底圖片上標(biāo)識出該位置。

5.根據(jù)權(quán)利要求4所述的眼底圖片的檢測方法，其特征在于，將待檢測眼底圖片分割為P個超像素，并獲取P個所述超像素一一對應(yīng)的地址之前，所述眼底圖片的檢測方法還包括：

對所述待檢測眼底圖片進行第二預(yù)處理；

所述第二預(yù)處理，包括：剪切和縮放中的至少一種。

6.一種計算機設(shè)備，其特征在于，包括存儲單元和處理單元；所述存儲單元中存儲可在所述處理單元上運行的計算機程序；所述處理單元執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1-3任一項所述的用于檢測眼底圖片的模型訓(xùn)練方法或如權(quán)利要求4-5任一項所述的眼底圖片的檢測方法。

7.一種計算機可讀介質(zhì)，其存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-3任一項所述的用于檢測眼底圖片的模型訓(xùn)練方法或如權(quán)利要求4-5任一項所述的眼底圖片的檢測方法。