[发明专利]一种分类模型生成方法、眼底图像分类方法及装置

说明书

本申请实施例公开了一种分类模型生成方法、眼底图像分类方法及装置，该方法包括：通过将眼底原始图像、眼底原始图像对应的特征向量图像、眼底原始图像对应的预处理图像中的一种或多种作为眼底训练图像，利用眼底训练图像以及眼底训练图像对应的视网膜分类标签对初始深度学习模型进行训练，生成视网膜分类模型，所生成的视网膜分类模型可以对眼底图像的视网膜类型进行分类，从而实现自动且快速地对眼底图像的视网膜类型进行分类，且分类的结果消除了主观性的影响，也更为准确。同时，利用多种图像作为训练图像有效扩充了训练图像的数量，使生成的视网膜分类模型更为准确。

技术领域

本申请涉及图像处理技术领域，具体涉及一种分类模型生成方法及装置，一种眼底图像分类方法及装置。

背景技术

随着信息采集技术的发展以及大数据的普及，可以通过对采集的图像进行处理以获得有效信息。例如，目前已经出现一些利用智能终端设备对人体如舌体、眼底等部位进行图像采集的方案，给人们对人体的信息采集带来了极大的方便。

在现有技术中，采集到的眼底图像可以传输给专业人员进行眼底是否存在视网膜病变的筛查，但是人工判断的主观性强、难以量化，且效率较为低下，因此，在现有技术中缺乏对眼底图像中的视网膜类型进行快速、准确分类的方式。

发明内容

有鉴于此，本申请实施例提供一种分类模型生成方法及装置，一种眼底图像分类方法及装置，以解决现有技术中无法快速、准确对眼底图像的视网膜类型进行分类的技术问题。

为解决上述问题，本申请实施例提供的技术方案如下：

一种分类模型生成方法，所述方法包括：

获取眼底原始图像；

将所述眼底原始图像、所述眼底原始图像对应的特征向量图像、所述眼底原始图像对应的预处理图像中的一种或多种作为眼底训练图像；

根据所述眼底训练图像以及所述眼底训练图像对应的视网膜分类标签对初始深度学习模型进行训练，生成视网膜分类模型。

在一种可能的实现方式中，所述眼底原始图像对应的特征向量图像的生成过程包括：

提取所述眼底原始图像的图像特征向量；

将所述眼底原始图像的图像特征向量绘制为所述眼底原始图像对应的特征向量图像。

在一种可能的实现方式中，所述将所述眼底原始图像的图像特征向量绘制为所述眼底原始图像对应的特征向量图像，包括：

将所述眼底原始图像的图像特征向量绘制为原始特征向量图像；

对所述原始特征向量图像进行尺度变化处理生成所述眼底原始图像对应的特征向量图像。

在一种可能的实现方式中，所述图像特征向量包括尺度不变特征变换特征向量以及角点检测特征向量。

在一种可能的实现方式中，所述眼底原始图像对应的预处理图像的生成过程包括：

将所述眼底原始图像进行尺度变化处理、剪切处理和/或翻转处理，生成所述眼底原始图像对应的预处理图像。

在一种可能的实现方式中，所述根据所述眼底训练图像以及所述眼底训练图像对应的视网膜分类标签对初始深度学习模型进行训练，生成视网膜分类模型，包括：

利用通用训练图像集合对初始深度学习模型进行训练，生成通用分类模型；

根据所述眼底训练图像以及所述眼底训练图像对应的视网膜分类标签对所述通用分类模型进行训练，生成视网膜分类模型。

一种眼底图像分类方法，所述方法包括：

获取待分类眼底原始图像；