[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

说明书

本申请涉及一种眼底图像区域化深度学习方法、装置和设备及存储介质，其中方法包括：获取眼底图像，并基于获取到的眼底图像构建相应的图像模板；其中，不同的图像模表征眼底图像中的不同区域；由图像模板中选取相应的当前所需模板，并基于所选取的当前所需模板，对眼底图像进行处理，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，对神经网络模型进行训练。通过构建图像模板，使得对神经网络模型训练时所使用的眼底图像不再是整幅眼底图像，而是基于所选取的当前所需模板对眼底图像进行处理后的图像。从而这也就有效排除了不必要的干扰因素，最终提高了训练后的神经网络模型的鲁棒性和泛化性。

技术领域

本公开涉及医学图像处理技术领域，尤其涉及一种眼底图像区域化深度学习方法、装置和设备及存储介质。

背景技术

深度学习是以数据为驱动的一项技术，目前已成为图像领域中的首选解决方案。在众多医学影像中，彩色眼底影像的特点是复杂度低、获取方便以及容易诊断，这些特点使得眼底影像可以使用深度学习技术取得较好的分类和检测效果。现有的基于彩色眼底影像的疾病分类及检测技术基本上都是采用深度学习技术，并且强依赖于图像体量、图像质量以及标注精准性。在相关技术中，采用深度学习技术进行眼底影像分类及检测时，大多是以整幅图像作为学习资料进行模型学习的，这就使得模型学习过程中的干扰较多，从而影响了模型的鲁棒性和泛化性。

发明内容

有鉴于此，本公开提出了一种眼底图像区域化深度学习方法、装置和设备及存储介质，可以有效避免模型学习过程中的不必要的干扰，提高模型的鲁棒性和泛化性。

根据本公开的一方面，提供了一种眼底图像区域化深度学习方法，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，基于所述目标检测结果，对所述眼底图像进行结构化分析，包括：