[發明專利]眼底圖像處理方法、模型訓練方法及設備

在審

• 申請號: 202110274270.1
• 申請日: 2021-03-15
• 公開（公告）號: CN112966620A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 熊健皓;趙昕;和超;張大磊
• 申請（專利權）人: 北京鷹瞳科技發展股份有限公司;上海鷹瞳醫療科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京力致專利代理事務所(特殊普通合伙) 11900
• 代理人: 陳博旸

本發明提供一種眼底圖像處理方法、模型訓練方法及設備，所述眼底圖像處理方法，包括：對多通道眼底圖像提取單通道眼底圖像；確定所述單通道眼底圖像中的最大像素值和最小像素值；利用所述最大像素值和所述最小像素值對所述單通道眼底圖像中的像素值進行處理；將處理后的所述單通道眼底圖像合成為多通道眼底圖像。

技術領域

本發明涉及圖像處理領域，具體涉及一種眼底圖像處理方法、模型訓練方法及設備。

背景技術

近年來，基于深度學習技術，智能影像識別在一些具體醫學問題上達到了人類專家的識別水平，但學習到的模型在未知域(與模型訓練數據不同來源的數據源)的測試性能容易大幅下降。未知域的數據可以來自于不同于模型訓練集的采集設備或不同的采集人群等，醫療圖像場景中常見的未知域是不同的人群、不同的采集設備等。這種性能的下降是因為訓練數據學習到的評估模式在未見域圖片上不完全適用，如何提升模型在此未知數據上的性能被定義為域泛化。

在具體的醫學圖像分析應用場景中，這個問題主要源自于以下限制：獲取大量醫院不同類型設備的數據難以實現，模型的訓練數據通常采集自少數醫療機構的特定型號儀器。但實際應用中需要模型大范圍的適配多種型號的數據采集設備。

眼底圖像域泛化問題的主要來源之一是不同眼底圖像采集相機的差異，比如傳感器種類、透鏡、焦距、光源距離等差異。設計眼底相機需要成像系統以及照明系統之間的良好平衡與結合，不同的相機設計會造成諸如照度均勻性、照度比、光譜敏感度等差異。此外，眼底圖像的質量和清晰度也和眼底相機的設計高度相關。這些都會對眼底相關疾病的診斷產生重要影響，比如DR的診斷。圖1以眼底圖像為例，給出了同一被拍攝者在三個不同相機上的圖像示例(從左至右分別為佳能、明達、拓普康)，而不同的相機的拍攝的圖片可以被考慮為不同的域。不同相機的圖像可以對相同的拍攝對象拍出差異化很大的醫療圖像，這種差異會對模型性能帶來很大影響。

數據增強是目前一種廣泛使用的可以有效增加泛化性能的方法。數據增強方法主要的手段是改變圖像的外觀、質量以及布局，比如翻轉、旋轉、縮放、裁剪、彈性形變、加入高斯噪聲等。具體可以通過使用生成對抗網絡(GAN)生成新樣本的數據增強方法來實現。

使用GAN進行數據增強可以應對未知分布數據帶來的域適應問題，但這種方法顯著的缺點是GAN模型的訓練過程繁瑣復雜，并且和推斷預測過程一樣都對計算資源有很高需求。此外，另一項限制是生成式方法通常需要一定數量的未知分布數據介入模型的訓練過程。

發明內容

有鑒于此，本發明提供一種眼底圖像處理方法，包括：

對多通道眼底圖像提取單通道眼底圖像；

確定所述單通道眼底圖像中的最大像素值和最小像素值；

利用所述最大像素值和所述最小像素值對所述單通道眼底圖像中的像素值進行處理；

將處理后的所述單通道眼底圖像合成為多通道眼底圖像。

可選地，利用所述最大像素值和所述最小像素值對所述單通道眼底圖像中的像素值進行處理具體包括：

確定所述單通道眼底圖像的平均像素值和所述多通道眼底圖像的標準差；

利用所述平均像素值、所述標準差、所述最大像素值和所述最小像素值對所述單通道眼底圖像中的像素值進行計算。

可選地，利用所述平均像素值、所述標準差、所述最大像素值和所述最小像素值對所述單通道眼底圖像中的像素值進行計算具體包括：

將所述平均像素值、所述標準差、所述最大像素值作為設定函數的輸入進行計算，得到針對所述最大像素值的計算結果；將所述平均像素值、所述標準差、所述最小像素值作為所述設定函數的輸入進行計算，得到針對所述最小像素值的計算結果；將所述平均像素值、所述標準差、所述單通道眼底圖像的像素值作為所述設定函數的輸入進行計算，得到針對所述單通道眼底圖像像素的計算結果；