[发明专利]基于机器学习的眼底图像检测方法、装置及系统

权利要求书

1.一种基于机器学习的眼底图像检测设备，其特征在于，包括控制器和至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行包括以下内容的操作：

获取待检测的眼底图像；

利用机器学习模型对所述眼底图像整体区域进行第一特征集检测，所述第一特征集包括整体区域中的异常组织或结构；

分别利用机器学习模型对所述眼底图像中的特定区域进行第二特征集检测，所述第二特征集包括特定区域中的异常组织或结构，并且所述第一特征集中的特征的显著度大于第二特征集中的特征的显著度；

利用判决机器学习模型对各个所述机器学习模型的检测结果进行判定得到最终检测结果。

2.如权利要求1所述的基于机器学习的眼底图像检测设备，其特征在于，所述特定区域包括：

视盘区域、黄斑区域、血管区域和视网膜区域中的至少之一。

3.如权利要求1所述的基于机器学习的眼底图像检测设备，其特征在于，

所述第一特征集包括至少一个第一种类子特征；

所述第二特征集包括特定区域中的至少一个第二种类子特征。

4.如权利要求1所述的基于机器学习的眼底图像检测设备，其特征在于，在所述获取待检测的眼底图像和所述对所述眼底图像整体区域进行第一特征集检测之间还包括：

对所述眼底图像进行质量检测，以筛选所述眼底图像。

5.如权利要求4所述的基于机器学习的眼底图像检测设备，其特征在于，所述对所述眼底图像进行质量检测包括：

对所述眼底图像进行污点/亮斑检测、曝光度检测、清晰度检测、漏光检测、局部阴影检测中的任意一种或任意组合。

6.如权利要求1-5任意一项所述的基于机器学习的眼底图像检测设备，其特征在于，在所述获取待检测的眼底图像和得到最终检测结果之间还包括：

将对所述眼底图像整体区域进行第三特征集检测，所述第三特征集包括至少一种第三类子特征，所述第三特征集的显著度小于所述第二特征集的显著度。

7.如权利要求6所述的基于机器学习的眼底图像检测设备，其特征在于，所述判决机器学习模型通过所述第一特征集、所述第二特征集和所述第三特征集中的子特征训练得到；将对所述第一特征集、第二特征集和第三特征集检测的结论输入所述判决机器学习模型，得到最终检测结果。

8.如权利要求6所述的基于机器学习的眼底图像检测设备，其特征在于，

利用机器学习模型对所述第一特征集、所述第二特征集、所述第三特征集中的至少之一进行检测。

9.一种基于机器学习的眼底图像检测装置，其特征在于，包括：

获取模块，获取待检测的眼底图像；

第一检测模块，利用机器学习模型对所述眼底图像整体区域进行第一特征集检测，所述第一特征集包括整体区域中的异常组织或结构；

第二检测模块，分别利用机器学习模型对所述眼底图像中的特定区域进行第二特征集检测，所述第二特征集包括特定区域中的异常组织或结构，所述第一特征中的特征的显著度大于第二特征集中的特征的显著度；

决策模块，利用判决机器学习模型对各个所述机器学习模型的检测结果进行判定得到最终检测结果。

10.一种基于机器学习的眼底图像检测系统，其特征在于，包括：

图像采集装置，用于采集眼底图像；

如权利要求1-8中任一项所述的设备，与所述图像采集装置通信；

输出装置，与所述设备通信，用于输出眼底图像检测的结果。