[發明專利]高分辨率紅眼病案例數據生成方法、設備及存儲介質

有效

• 申請號: 202010854745.X
• 申請日: 2020-08-24
• 公開（公告）號: CN112992304B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 謝松縣;鄧喜成;彭立宏
• 申請（專利權）人: 湖南數定智能科技有限公司
• 主分類號: G16H10/60
• 分類號: G16H10/60;G06V10/774;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 周達

本發明提出一種高分辨率紅眼病案例數據生成方法、設備及存儲介質，首先獲取人眼圖像數據集，人眼圖像數據集中的眼睛圖像數據包括大量正常眼睛圖像數據和紅眼病圖像數據。融合cyclegan網絡和esrgan網絡，構建高分辨率紅眼病案例數據生成模型并對其進行訓練，得到訓練好的高分辨率紅眼病案例數據生成模型。將待生成紅眼病案例數據的眼睛圖像數據輸入到訓練好的高分辨率紅眼病案例數據生成模型中，得到紅眼病數據案例數據。本發明通過融合cyclegan網絡和esrgan網絡來構建出新的紅眼病案例數據生成模型，解決了高分辨率紅眼病數據匱乏的問題。

技術領域

本發明涉及深度學習領域，尤其涉及一種高分辨率紅眼病案例數據生成方法。

背景技術

目前進行紅眼病診斷都是靠醫生面對面去檢查，并沒有一項技術可以很好地檢測出被檢測人員是否患有紅眼病。深度學習是學習樣本數據的內在規律和表示層次，對圖像數據的解釋有很大的幫助。因此，可以使用深度學習來解決這一問題。

但是使用深度學習技術來進行紅眼病診斷需要大量高分辨率的紅眼病案例數據來訓練模型，如果紅眼病案例數據量太少或者分辨率太低，會影響深度學習技術對案例數據的特征提取，也就影響了深度學習技術對紅眼病的診斷效果。

目前由于紅眼病案例數據，尤其是高分辨率的紅眼病案例數據太少，很難搜集到滿足需求的紅眼病案例數據來進行分析處理，給紅眼病檢測技術的發展帶來了很大的阻礙。現有的方法只能生成低分辨率的紅眼病案例數據，滿足不了深度學習對紅眼病案例數據的要求。

發明內容

針對現有技術中存在的缺陷，為推動使用深度學習技術來解決紅眼病診斷問題，本發明提出了一種高分辨率紅眼病案例數據生成方法、設備及存儲介質。

為實現上述技術目的，本發明采用的具體技術方案如下：

高分辨率紅眼病案例數據生成方法，包括：

獲取人眼圖像數據集，人眼圖像數據集中的眼睛圖像數據包括大量正常眼睛圖像數據和紅眼病圖像數據，人眼圖像數據集中的所有正常眼睛圖像數據構成正常眼睛圖像數據集A，人眼圖像數據集中的所有紅眼病圖像數據構成紅眼病圖像數據集B。

融合cyclegan網絡和esrgan網絡，構建高分辨率紅眼病案例數據生成模型并對其進行訓練，得到訓練好的高分辨率紅眼病案例數據生成模型。

將待生成紅眼病案例數據的眼睛圖像數據輸入到訓練好的高分辨率紅眼病案例數據生成模型中，得到紅眼病數據案例數據。

本發明中，通過采集大量人的正臉圖像數據構成正臉圖像數據集，并對其中的眼睛部位進行人工標注處理，使用yolov4模型對標注完畢的人的正臉圖像數據進行訓練，得到訓練好的人眼圖像提取模型。

采用訓練好的人眼圖像提取模型提取眼睛圖像數據，得到的所有眼睛圖像數據作為待生成紅眼病案例數據集。對于待生成紅眼病案例數據集中的所有眼睛圖像數據進行紅眼病和正常眼睛的二分類處理，其中所有的正常眼睛圖像數據構成正常眼睛圖像數據集A。而得到的紅眼病圖像數據比較少，不滿足cyclegan網絡對訓練數據的要求，因此，需要對搜集到的紅眼病圖像數據進行翻轉、對比度變化和亮度變化等數據增強處理，然后得到足夠多的紅眼病圖像數據作為紅眼病圖像數據集B。

本發明中，構建高分辨率紅眼病案例數據生成模型，包括：

(1)基于cyclegan網絡構建紅眼病數據生成器G_A2B，生成器G_A2B是cyclegan網絡中使正常眼睛圖像數據集中的正常眼睛圖像數據轉換成紅眼病圖像數據的生成函數。同時，為生成器G_A2B引入一個辨別器D_B，作用是判別生成器G_A2B生成的圖像數據是否是紅眼病圖像數據集B中原始的圖像數據。