[发明专利]眼底图像区域化深度学习方法、装置和设备及存储介质

权利要求书

1.一种眼底图像区域化深度学习方法，其特征在于，包括：

获取眼底图像，并基于获取到的所述眼底图像构建相应的图像模板；

其中，不同的所述图像模板表征所述眼底图像中的不同区域；

由所述图像模板中选取相应的当前所需模板，并基于所选取的所述当前所需模板，对所述眼底图像进行处理，得到处理后的眼底图像；

将处理后的眼底图像输入至预先构建的神经网络模型，对所述神经网络模型进行训练；

基于获取到的所述眼底图像构建相应的图像模板，包括：

采用目标检测算法对所述眼底图像中的视盘区域和黄斑区域进行定位检测，得到相应的目标检测结果；

根据所述目标检测结果，对所述眼底图像进行结构化分析，得到相应的所述图像模板；

其中，根据所述目标检测结果，对所述眼底图像进行结构化分析，包括：

在所述目标检测结果为所述视盘区域和所述黄斑区域均可见时，将所述眼底图像的轮廓线分别沿所述视盘区域的中心与所述黄斑区域的中心连接线的两端方向移动，得到相应的第一轮廓和第二轮廓；

其中，所述第一轮廓和所述第二轮廓均与所述视盘区域的边缘相切；

根据所述第一轮廓和所述第二轮廓分别与所述眼底图像的相交情况，生成相应的所述图像模板；

在所述目标检测结果为所述视盘区域可见，所述黄斑区域不可见时，将所述眼底图像的轮廓线分别沿所述视盘区域的中心与所述眼底图像的中心的连接线的两端方向移动，得到相应的第三轮廓和第四轮廓；

其中，所述第三轮廓和所述第四轮廓均与所述视盘区域的边缘相切；

根据所述第三轮廓和所述第四轮廓分别与所述眼底图像的相交情况，生成相应的所述图像模板；

在所述目标检测结果为所述黄斑区域可见、所述视盘区域不可见时，根据所定位出的所述黄斑区域，将所述眼底图像进行区域划分，生成相应的所述图像模板。

2.根据权利要求1所述的方法，其特征在于，基于所选取的所述当前所需模板，对所述眼底图像进行处理，包括：

将选取的所述当前所需模板所对应眼底图像的区域的像素值保持为原始图像区域的像素值，并将未选取的图像模板所对应眼底图像的像素值设置为零。

3.根据权利要求1的方法，其特征在于，预先构建的所述神经网络模型包括基础网络和多个子网络；

其中，所述基础网络的输出端为各所述子网络的输入端；

所述基础网络包括依次级联的多个卷积组合层，各所述子网络均包括级联的卷积层和全连接层。