[發明專利]用于檢測眼底圖片的模型訓練方法、眼底圖片的檢測方法及裝置

有效

• 申請號: 201910320422.X
• 申請日: 2019-04-19
• 公開（公告）號: CN110070531B
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 張夢蕾
• 申請（專利權）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: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

本發明的實施例提供一種用于檢測眼底圖片的模型訓練方法、眼底圖片的檢測方法及裝置，涉及計算機視覺信息領域，可以提高檢測的速度和準確度。一種用于檢測眼底圖片的模型訓練方法，包括：將眼底圖片訓練集的N個眼底圖片中的每個眼底圖片，分割為M個超像素；N和M均為正整數；根據M×N個超像素，訓練得到第一網絡模型；第一網絡模型用于將輸入的每個超像素，在輸出時標識為關鍵像素或背景像素；根據M×N個超像素中屬于關鍵像素的超像素，訓練得到第二網絡模型；第二網絡模型用于將輸入的每個超像素，在輸出時標識為病變或非病變。

技術領域

本發明涉及計算機視覺信息領域，尤其涉及一種用于檢測眼底圖片的模型訓練方法、眼底圖片的檢測方法及裝置。

背景技術

眼底是眼球內后部的組織，眼底的圖片即眼底圖片。眼底圖片可用于診斷諸如青光眼、眼底黃斑性病變等眼底疾病，也可以為診斷糖尿病、高血壓等疾病提供參考依據。

目前，醫生對眼底病變的識別診斷過程較長，并且對于初期的微小病變，也容易誤診或漏診。而通過計算機視覺技術對眼底圖片進行分析，不僅可以為協助醫生快速診斷，也可以降低誤診、漏診的概率。

發明內容

本發明的實施例提供一種用于檢測眼底圖片的模型訓練方法、眼底圖片的檢測方法及裝置，可以提高檢測的速度和準確度。

為達到上述目的，本發明的實施例采用如下技術方案：

一方面，本發明的實施例提供了一種用于檢測眼底圖片的模型訓練方法，包括：將眼底圖片訓練集的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；根據M×N個所述超像素，訓練得到第一網絡模型；所述第一網絡模型用于將輸入的每個所述超像素，在輸出時標識為關鍵像素或背景像素；根據M×N個所述超像素中屬于關鍵像素的所述超像素，訓練得到第二網絡模型；所述第二網絡模型用于將輸入的每個所述超像素，在輸出時標識為病變或非病變。

可選地，根據M×N個所述超像素，訓練得到第一網絡模型，包括：構建深層神經網絡；每次選取M×N個所述超像素中的至少一個所述超像素，輸入所述深層神經網絡中；其中，M×N個所述超像素中的每個所述超像素已預先被標記為關鍵像素或背景像素；將所述深層神經網絡的輸出結果與所述超像素預先的標記結果進行比較，訓練所述深層神經網絡的網絡參數，直至所述深層神經網絡在輸出時，將所述超像素標識為關鍵像素或者背景像素的正確率達到第一閾值，得到所述第一網絡模型。

進一步可選地，所述深層神經網絡為深度信念網絡。

可選地，根據M×N個所述超像素中屬于關鍵像素的所述超像素，訓練得到第二網絡模型，包括：構建卷積神經網絡；每次選取M×N個所述超像素中，屬于關鍵像素的所有所述超像素中的至少一個所述超像素，輸入所述卷積神經網絡中；其中，屬于關鍵像素的每個所述超像素已預先被標記為病變或非病變；將所述卷積神經網絡的輸出結果與屬于關鍵像素的所述超像素預先的標記結果進行比較，訓練所述卷積神經網絡的網絡參數，直至所述卷積神經網絡的損失值減小到第二閾值，得到所述第二網絡模型；所述卷積神經網絡的輸出結果包括將所述超像素標識為病變或非病變。

進一步可選地，所述卷積神經網絡為殘差網絡和Inception網絡的結合。

可選地，將眼底圖片訓練集的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練方法還包括：對所述眼底圖片進行第一預處理；所述第一預處理，包括：旋轉、剪切、扭曲、縮放、調整色差、降低分辨率中的至少一種。