[发明专利]高分辨率红眼病案例数据生成方法、设备及存储介质

权利要求书

1.高分辨率红眼病案例数据生成方法，其特征在于，包括：

获取人眼图像数据集，人眼图像数据集中的眼睛图像数据包括大量正常眼睛图像数据和红眼病图像数据，人眼图像数据集中的所有正常眼睛图像数据构成正常眼睛图像数据集A，人眼图像数据集中的所有红眼病图像数据构成红眼病图像数据集B；

融合cyclegan网络和esrgan网络，构建高分辨率红眼病案例数据生成模型并对其进行训练，得到训练好的高分辨率红眼病案例数据生成模型；

将待生成红眼病案例数据的眼睛图像数据输入到训练好的高分辨率红眼病案例数据生成模型中，得到红眼病数据案例数据。

2.根据权利要求1所述的高分辨率红眼病案例数据生成方法，其特征在于，通过采集大量人的正脸图像数据构成正脸图像数据集，并对其中的眼睛部位进行人工标注处理，使用yolov4模型对标注完毕的人的正脸图像数据进行训练，得到训练好的人眼图像提取模型；

采用训练好的人眼图像提取模型提取眼睛图像数据，得到的所有眼睛图像数据作为待生成红眼病案例数据集；

对于待生成红眼病案例数据集中的所有眼睛图像数据进行红眼病和正常眼睛的二分类处理，其中所有的正常眼睛图像数据构成正常眼睛图像数据集A，对于其中的红眼病图像数据进行翻转、对比度变化和亮度变化的数据增强处理后，得到足够多的红眼病图像数据作为红眼病图像数据集B。

3.根据权利要求1所述的高分辨率红眼病案例数据生成方法，其特征在于，构建高分辨率红眼病案例数据生成模型，包括：

基于cyclegan网络构建红眼病数据生成器G_A2B，生成器G_A2B是cyclegan网络中使正常眼睛图像数据集中的正常眼睛图像数据转换成红眼病图像数据的生成函数；同时，为生成器G_A2B引入一个辨别器D_B，作用是判别生成器G_A2B生成的图像数据是否是红眼病图像数据集B中原始的图像数据；

基于cyclegan网络构建正常眼睛数据生成器G_B2A，生成器G_B2A是cyclegan网络中使红眼病图像数据集中的红眼病图像数据转换成正常眼睛图像数据的生成函数；同时，为生成器G_B2A引入一个辨别器D_A，作用是判别生成器G_B2A生成的图像数据是否是正常眼睛图像数据集A中原始的图像数据；

基于esrgan网络构建高分辨率图像数据生成器G_E；高分辨率图像数据生成器G_E是esrgan网络中提升图像数据分辨率的生成器；同时，为高分辨率图像数据生成器G_E引入辨别器D_E，作用是判别高分辨率图像数据生成器G_E生成的图像数据是否是高分辨率的图像数据。

4.根据权利要求3所述的高分辨率红眼病案例数据生成方法，其特征在于，生成器G_B2A的网络结构与生成器G_A2B的网络结构相同，生成器G_A2B其网络结构是：先利用卷积层对正常眼睛图像数据集A中的正常眼睛图像数据进行特征提取，然后经过多个G_A2B基础模块进行处理之后对处理后的数据进行上采样处理，最后在经过一层卷积层之后即可生成与红眼病图像数据集B中红眼病图像数据相似的图像数据；其中在G_A2B基础模块中先经过卷积层之后进入到归一化层进行数据的归一化处理，然后使用SIREN激活函数对其进行非线性化，接着再次经过一个卷积层和归一化层处理。

5.根据权利要求4所述的高分辨率红眼病案例数据生成方法，其特征在于，辨别器D_A的网络结构与辨别器D_B的网络结构相同，辨别器D_B的网络结构是：先使用卷积层对G_A2B生成的图像数据进行特征提取，然后使用Leaky ReLU激活函数对其进行非线性化之后送入到D_B基础模块进行卷积、非线性化和归一化处理，如此经过多个D_B基础模块进行处理之后再次进行卷积和非线性化处理，最后使用回归函数进行回归处理，得到的结果显示G_A2B生成的图像数据是否属于红眼病图像数据集B中原始的图像数据。