[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

说明书

本发明提出一种高分辨率红眼病案例数据生成方法、设备及存储介质，首先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。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。本发明通过融合cyclegan网络和esrgan网络来构建出新的红眼病案例数据生成模型，解决了高分辨率红眼病数据匮乏的问题。

技术领域

本发明涉及深度学习领域，尤其涉及一种高分辨率红眼病案例数据生成方法。

背景技术

目前进行红眼病诊断都是靠医生面对面去检查，并没有一项技术可以很好地检测出被检测人员是否患有红眼病。深度学习是学习样本数据的内在规律和表示层次，对图像数据的解释有很大的帮助。因此，可以使用深度学习来解决这一问题。

但是使用深度学习技术来进行红眼病诊断需要大量高分辨率的红眼病案例数据来训练模型，如果红眼病案例数据量太少或者分辨率太低，会影响深度学习技术对案例数据的特征提取，也就影响了深度学习技术对红眼病的诊断效果。

目前由于红眼病案例数据，尤其是高分辨率的红眼病案例数据太少，很难搜集到满足需求的红眼病案例数据来进行分析处理，给红眼病检测技术的发展带来了很大的阻碍。现有的方法只能生成低分辨率的红眼病案例数据，满足不了深度学习对红眼病案例数据的要求。

发明内容

针对现有技术中存在的缺陷，为推动使用深度学习技术来解决红眼病诊断问题，本发明提出了一种高分辨率红眼病案例数据生成方法、设备及存储介质。

为实现上述技术目的，本发明采用的具体技术方案如下：

高分辨率红眼病案例数据生成方法，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。

本发明中，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。而得到的红眼病图像数据比较少，不满足cyclegan网络对训练数据的要求，因此，需要对搜集到的红眼病图像数据进行翻转、对比度变化和亮度变化等数据增强处理，然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。

本发明中，构建高分辨率红眼病案例数据生成模型，包括：

(1)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。