[发明专利]眼底图像判断方法及设备

说明书

本发明提供一种眼底图像判断方法及设备，所述眼底图像判断方法包括获取用户的待判断眼底图像；获取与所述待判断眼底图像相关联的参考眼底图像，其中所述参考眼底图像是已知状态为正常的眼底图像；根据所述待判断眼底图与所述参考眼底图像生成差分图像；将所述差分图像作为机器学习模型的输入数据，使所述机器学习模型输出对所述待判断眼底图像的判断结果，其中所述机器学习模型是利用训练差分图像和相应的标签数据进行训练得到的。

技术领域

本发明涉及医疗图像处理领域，具体涉及一种眼底图像判断方法及设备。

背景技术

随着图像获取和存储技术、深度学习的高速发展，使得深度学习深入到社会的各个领域。在医疗领域，由于我国医疗资源严重不足，通过深度学习等前沿技术对医疗影像的检测筛查成为现在研究十分热门的领域。中国糖尿病患者已经突破1.3亿，其中糖尿病视网膜病变患者人数约3000万人。糖尿病视网膜病变恶化后导致患者失明的概率非常高。如果在早期对糖网病进行筛查、诊断和治疗干预，那患者失明风险率可下降94.4％。

现有的基于眼底影像疾病检测系统主要是通过收集大量真实场景的眼底图像，通过多个医疗专家的交叉标注，得出大量标注的数据，将训练数据，通过深层的神经网络，训练出分类/检测模型。利用训练好的模型则可以对一个未知状态的眼底图像进行判断，得出对应的分类标签和病灶。

由于每个人的正常状态的眼底图像可能存在差异，导致相同疾病的眼底图像变化比较大，然而对于某些不太明显的疾病特征，比如轻度糖网、小玻璃膜疣、轻度动脉硬化等，会因为眼底图像的多样性变化将这些疾病的特征抑制下去。这样使得现有的基于眼底图像的检测方案对于一些微小特征点的检测效果比较差。

发明内容

有鉴于此，本发明提供一种眼底图像判断方法，包括：

获取用户的待判断眼底图像；

获取与所述待判断眼底图像相关联的参考眼底图像，其中所述参考眼底图像是已知状态为正常的眼底图像；

根据所述待判断眼底图与所述参考眼底图像生成差分图像；

将所述差分图像作为机器学习模型的输入数据，使所述机器学习模型输出对所述待判断眼底图像的判断结果，其中所述机器学习模型是利用训练差分图像和相应的标签数据进行训练得到的。

可选地，所述待判断眼底图像和所述参考眼底图像是来自同一人的眼底图像，其中所述参考眼底图像的采集时间早于所述待判断眼底图像的采集时间。

可选地，所述待判断眼底图像和所述参考眼底图像是来自不同的人的眼底图像，其中所述参考眼底图像的采集时间早于所述待判断眼底图像的采集时间。

可选地，所述获取与所述待判断眼底图像相关联的参考眼底图像，包括：

判断是否预存有所述用户的参考眼底图像；

当未存有所述用户的参考眼底图像时，获取预设的参考眼底图像。

可选地，所述根据所述待判断眼底图与所述参考眼底图像生成差分图像，包括：

分别在所述待判断眼底图与所述参考眼底图像中识别视盘和/或黄斑；

根据所述视盘和/或黄斑的位置将所述待判断眼底图和所述参考眼底图像进行对齐；

基于对齐后的所述待判断眼底图和所述参考眼底图像进行差分计算得到所述差分图像。

本发明还提供一种眼底图像判断模型训练方法，包括：

获取多个由第一眼底图像和第二眼底图像组成的图像对，所述第一眼底图像和第二眼底图像的采集时间不相同，且所述第一眼底图像是正常状态，所述第二眼底图像是正常状态或者异常状态；

分别根据各个图像对生成差分图像；