[发明专利]眼底图像识别模型训练方法、眼底图像识别方法和设备有效

专利信息
申请号: 201910578335.4 申请日: 2019-06-28
公开(公告)号: CN110263755B 公开(公告)日: 2021-04-27
发明(设计)人: 和宗尧;熊健皓;赵昕;和超;张大磊 申请(专利权)人: 上海鹰瞳医疗科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G16H30/20
代理公司: 北京华仁联合知识产权代理有限公司 11588 代理人: 陈建
地址: 200030 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 眼底 图像 识别 模型 训练 方法 设备
【权利要求书】:

1.一种眼底图像识别方法,其特征在于,包括:

获取训练数据,所述训练数据包括第一眼底图像样本、第二眼底图像样本以及第三眼底图像样本,其中,第二眼底图像样本与所述第一眼底图像样本为同眼眼底图像;所述第三眼底图像样本与所述第一眼底图像样本为不同眼眼底图像,所述训练数据被标记了所属的眼睛,所述标记是通过血管和视盘特征进行的标记;

对所述训练数据进行数据增强以生成多张使用随机增强参数的眼底图像,所述数据增强的方式包括旋转、平移、放大和主成分变换颜色增强中的至少一种;利用眼底图像识别模型对所述第一眼底图像样本、第二眼底图像样本和所述第三眼底图像样本进行识别得到损失值,识别过程中包括将眼底图像样本划分为多个图像块,并利用分割模型得到二值图像块,采用两种像素值分别表达背景和血管影像,将所述二值图像块拼接成眼底血管图像,从而提取血管特征,识别过程中还从眼底图像样本中提取抽象特征,所述抽象特征包括血管分叉点位置和方向、血管交叉点位置和方向、血管向量图;训练所采用的损失函数为:

其中表示第一眼底图像样本的特征,表示第二眼底图像样本的特征,表示第三眼底图像样本的特征,α表示预设值,“+”表示“[]”内的值大于0时,取该值为损失值,“[]”内的值小于0时候,损失为0;

根据所述损失值调整所述眼底图像识别模型的参数;

获取至少两张待识别眼底图像;

利用所述眼底图像识别模型对所述至少两张待识别眼底图像进行识别,以获得所述待识别眼底图像之间的相似度;

判断所述相似度是否大于预设阈值,所述预设阈值为所述待识别眼底图像之间的距离阈值,当所述相似度大于所述预设阈值时,确认所述待识别眼底图像属于同一只眼睛;当所述相似度小于所述预设阈值时,确认所述待识别眼底图像属于不同眼睛。

2.如权利要求1所述的眼底图像识别方法,其特征在于,

所述训练数据包括n只眼睛的眼底图像,其中每只眼睛对应m张眼底图像;

其中,n和m为大于1的整数。

3.如权利要求1所述的眼底图像识别方法,其特征在于,所述将所述第一眼底图像样本、第二眼底图像样本和所述第三眼底图像样本输入眼底图像识别模型得到损失值包括:

计算所述第二眼底图像样本与所述第一眼底图像样本的第一距离;

计算所述第三眼底图像样本与所述第一眼底图像样本的第二距离;

根据所述第一距离和所述第二距离得到所述损失值。

4.如权利要求3所述的眼底图像识别方法,其特征在于,所述利用所述损失值调整所述眼底图像识别模型的参数包括:

将所述损失值反馈至所述眼底图像识别模型;

根据所述损失值调整所述参数以减小所述第一距离增大所述第二距离直至所述第一距离比所述第二距离小预设值。

5.如权利要求3或4所述的眼底图像识别方法,其特征在于,

所述第一距离和所述第二距离包括欧式距离。

6.一种眼底图像识别设备,其特征在于,包括:

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如权利要求1-5中任意一项所述的眼底图像识别方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海鹰瞳医疗科技有限公司,未经上海鹰瞳医疗科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910578335.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top