[發明專利]眼底圖像的檢測方法、裝置及電子設備

在審

• 申請號: 202011375943.4
• 申請日: 2020-11-30
• 公開（公告）號: CN112508898A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 黃甜甜;楊大陸;楊葉輝;王磊;許言午
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06T7/60;G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;劉芳

本申請公開了一種眼底圖像的檢測方法、裝置及電子設備，涉及計算機視覺技術、深度學習、及智慧醫療技術領域，具體可應用于醫療影像分析場景下。具體實現方案為：在檢測眼底圖像的質量時，是分別獲取深度學習模型確定的待檢測眼底圖像對應的第一檢測結果，及待檢測眼底圖像對應的血管圖像占比率，并根據第一檢測結果和血管圖像占比率共同確定待檢測眼底圖像的圖像檢測結果，與僅基于深度學習模型確定檢測結果相比，血管圖像占比率可以輔助校正深度學習模型確定的質量檢測結果，以得到最終的質量檢測結果，這樣可以在一定程度上解決因深度學習模型的偏差導致泛化效果較差的問題，提高了泛化效果，從而在一定程度上提高了圖像檢測結果的準確度。

技術領域

本申請涉及計算機技術領域，尤其涉及一種眼底圖像的檢測方法、裝置及電子設備，具體可用于計算機視覺技術領域、深度學習技術領域、以及智慧醫療技術領域。

背景技術

通過眼底照相機可以獲取到大量的眼底圖像，但由于各拍攝人員的技術參差不齊，會導致獲取到的眼底圖像中可能包括質量較差的眼底圖像，因此，對獲取到的眼底圖像進行質量檢測是至關重要的。

現有技術中，在對眼底圖像進行質量檢測時，是基于預先訓練得到的深度學習模型直接對眼底圖像進行質量檢測，并輸出質量檢測結果。但是，僅采用深度學習模型進行檢測，可能會因為深度學習模型的偏差，泛化效果較差，從而導致質量檢測結果的準確度較低。

發明內容

本申請提供了一種眼底圖像的檢測方法、裝置及電子設備，在檢測眼底圖像的質量時，可以在一定程度上解決因深度學習模型的偏差導致泛化效果問題，提高了泛化效果，從而在一定程度上提高了圖像檢測結果的準確度。

根據本申請的一方面，提供了一種眼底圖像的檢測方法，該眼底圖像的檢測方法可以包括：

根據深度學習模型確定待檢測眼底圖像對應的第一檢測結果；其中，所述第一檢測結果用于指示所述待檢測眼底圖像為圖像檢測結果高于預設閾值的預設眼底圖像的概率。

獲取所述待檢測眼底圖像對應的血管圖像占比率。

根據所述第一檢測結果和所述血管圖像占比率確定所述待檢測眼底圖像的圖像檢測結果。

根據本申請的另一方面，提供了一種眼底圖像的檢測裝置，該眼底圖像的檢測裝置可以包括：

處理模塊，用于根據深度學習模型確定待檢測眼底圖像對應的第一檢測結果；其中，所述第一檢測結果用于指示所述待檢測眼底圖像為圖像檢測結果高于預設閾值的預設眼底圖像的概率。

獲取模塊，用于獲取所述待檢測眼底圖像對應的血管圖像占比率。

所述處理模塊，還用于根據所述第一檢測結果和所述血管圖像占比率確定所述待檢測眼底圖像的圖像檢測結果。

根據本申請的另一方面，提供了一種電子設備，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述第一方面所述的眼底圖像的檢測方法。

根據本申請的另一方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，所述計算機指令用于使所述計算機執行上述第一方面所述的眼底圖像的檢測方法。