[发明专利]青光眼识别的训练方法、训练装置、识别方法及识别系统

权利要求书

1.一种青光眼识别的训练装置，其特征在于，

包括：

获取模块，其获取眼底图像及其青光眼分类标签、通过对所述眼底图像进行预处理而获得的预处理眼底图像和通过对所述眼底图像进行标注而获得的标注图像，所述标注图像包括标注出视盘区域的视盘标注图像和标注出视杯区域的视杯标注图像；

图像分割网络，其是基于深度学习的人工神经网络，并且通过所述预处理眼底图像、所述标注图像和空间加权图进行训练，以输出所述预处理眼底图像中各个像素点属于视盘的概率和属于视杯的概率，并基于所述预处理眼底图像中各个像素点属于所述视盘的概率和属于所述视杯的概率来生成视盘区域图像和视杯区域图像，其中，所述空间加权图通过基于预设的距离阈值和视盘距离对所述预处理眼底图像中的各个像素点进行加权而生成，令所述视盘距离小于所述预设的距离阈值的像素点的权重为第一预设值，令所述视盘距离大于或等于所述预设的距离阈值的像素点的权重为第二预设值，所述第一预设值大于所述第二预设值，所述视盘距离为所述预处理眼底图像中的各个像素点到所述视盘标注图像中的所述视盘区域的最短距离，所述预设的距离阈值根据所述视盘标注图像中视盘区域的大小进行设置，在所述人工神经网络的训练中，基于所述空间加权图对所述预处理眼底图像中的各个像素点的损失函数进行加权以获得第一损失函数，并基于所述第一损失函数优化所述人工神经网络以在不对所述视盘进行初步定位的情况下训练所述人工神经网络，所述标注图像作为所述预处理眼底图像中的各个像素点的真实值，所述预处理眼底图像中的各个像素点的损失函数对应的损失为基于所述人工神经网络的预测值与所述真实值的差；

特征提取模块，其基于所述视盘区域图像和所述视杯区域图像提取多个青光眼特征；以及

分类器，其基于机器学习通过包括所述青光眼特征的特征信息和所述青光眼分类标签进行训练，以输出属于青光眼的概率，在所述分类器的训练中，获得第二损失函数，并基于所述第二损失函数优化所述分类器。

2.根据权利要求1所述的训练装置，其特征在于，

所述青光眼特征包括所述视盘区域图像中的视盘的垂直直径和所述视杯区域图像中的视杯的垂直直径、所述视盘区域图像中视盘的水平直径和所述视杯区域图像中视杯的水平直径、所述视盘区域图像中视盘的面积和所述视杯区域图像中的视杯的面积中的至少一种。

3.根据权利要求1所述的训练装置，其特征在于，

所述训练装置基于总损失函数进行优化，所述总损失函数根据所述第一损失函数和所述第二损失函数确定。

4.根据权利要求1或2所述的训练装置，其特征在于，

所述特征信息还包括年龄、性别、病史中的至少一种。