[发明专利]一种眼底低质量图片的智能优化系统在审
申请号: | 202010858457.1 | 申请日: | 2020-08-24 |
公开(公告)号: | CN112037187A | 公开(公告)日: | 2020-12-04 |
发明(设计)人: | 李中文;蒋杰伟;陈蔚;郑钦象 | 申请(专利权)人: | 宁波市眼科医院 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06K9/62;G06N3/04 |
代理公司: | 北京栈桥知识产权代理事务所(普通合伙) 11670 | 代理人: | 潘卫锋 |
地址: | 315040 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 眼底 质量 图片 智能 优化 系统 | ||
1.一种眼底低质量图片的智能优化系统,其特征在于,主要包括加载模块(1)、训练模块(2)、优化模块(3)、合成模块(4)和输出模块(5),
所述加载模块(1)用于对初始眼底图片进行预处理,加载模块(1)包括利用无监督学习的CycleGAN网络分批次加载眼底图片的加载单元(11)、将所述加载后眼底图片按照清晰度分类为高质量眼底图片和低质量眼底图片的分类单元(12)、用于分别对高质量眼底图片和低质量眼底图片进行标签标注的标注单元(13)和用于将标签标注后的高质量眼底图片和低质量眼底图片分别进行排序的排序单元(14),
所述训练模块(2)用于对判别器进行优化训练,训练模块(2)包括用于训练判别器的高质量眼底图片训练单元(21)、低质量眼底图片训练单元(22)和用于训练生成器的生成器训练单元(23),
所述优化模块(3)用于对低质量眼底图片进行优化,优化模块(3)包括用于通过VGG16网络对低质量眼底图片上眼底特征进行识别的特征识别单元(31)、用于对低质量眼底图片上模糊或被遮盖特征区域进行标记的标记单元(32)、用于对所述标记单元(32)标记的模糊或被遮盖特征区域进行去除的处理单元(33)和利用特征识别单元(31)对所述处理单元(33)处理后低质量眼底图片进行复检的复检单元(34),
所述合成模块(4)用于将所述优化模块(3)优化处理后的低质量眼底图片进行合成,合成模块(4)包括用于根据所述标记单元(32)的标记特征对优化模块(3)优化处理后低质量眼底图片进行特征分类的特征分类单元(41)、用于根据分类特征将标记特征区域不同的处理后低质量眼底图片进行匹配的匹配单元(42)、用于将所述匹配单元(42)匹配的低质量眼底图片进行叠加合成的合成单元(43)和用于对所述合成单元(43)合成后眼底图片上模糊或被遮盖特征进行判别的判别单元(44),
所述输出模块(5)用于将所述合成模块(4)合成眼底图片校对输出,输出模块(5)包括用于将所述标记单元(32)标记特征与合成模块(4)合成眼底图片特征进行比对的特征比对单元(51)、用于将特诊比对单元(51)比对后无模糊或遮盖区域的清晰眼底图片通过生成器生成的生成单元(52)、用于将所述生成单元(52)生成清晰眼底图片保存的存储单元(53)和用于将生成单元(52)生成清晰眼底图片进行传送输出的传输单元(54)。
2.根据权利要求1所述的一种眼底低质量图片的智能优化系统,其特征在于,所述分类单元(12)的分类函数采用loss函数,所述loss函数的分类标准采用的是wasserstein距离,所述判别单元(44)同样采用loss函数进行判别,判别标准为wasserstein距离,分类单元(12)的loss函数比重与判别单元(44)的loss函数比重为100:1。
3.根据权利要求1所述的一种眼底低质量图片的智能优化系统,其特征在于,所述判别单元(44)采用loss函数进行判别,判别标准为wasserstein距离,分类单元(12)的loss函数比重与判别单元(44)的loss函数比重为100:1。
4.根据权利要求1所述的一种眼底低质量图片的智能优化系统,其特征在于,所述标注单元(13)对高质量眼底图片的标注标签为1,对低质量眼底图片的标注标签为0。
5.根据权利要求1所述的一种眼底低质量图片的智能优化系统,其特征在于,所述排序单元(14)的排序方式为随机排序。
6.根据权利要求1所述的一种眼底低质量图片的智能优化系统,其特征在于,所述高质量眼底图片训练单元(21)用于随机选取5张高质量眼底图片分别对判别器执行5次优化,所述低质量眼底图片训练单元(22)用于随机选取5张低质量眼底图片分别对判别器执行5次优化,且优化结束后关闭判别器参数的更新,使判别器不可训练。
7.利用权利要求1-6任意一项所述智能优化系统进行眼底低质量图片的智能优化方法,其特征在于,主要包括以下步骤:
S1:加载分类
将拍摄得到的眼底图片统一通过加载模块(1)的加载单元(11)进行图片加载,然后通过分类单元(12)将加载后的眼底图片分为高质量眼底图片和低质量眼底图片,用标注单元(13)将高质量眼底图片标注为1麻将低质量眼底图片标注为0,然后利用排序单元(14)分别将高质量眼底图片和低质量眼底图片进行随机排序;
S2:优化训练
用batch_size训练数据对判别器执行5次优化,5次优化中每次优化均会分别利用高质量眼底图片训练单元(21)、低质量眼底图片训练单元(22)对判别器进行一次优化,总共为10次优化,然后根据生成器训练单元(23)的训练优化内容对生成器进行优化训练;
S3:优化处理
首先通过优化模块(3)的特征识别单元(31)对眼底图片进行特征识别,然后利用标记单元(32)将低质量眼底图片上模糊或被遮盖特征区域进行标记,然后利用处理单元(33)对低质量眼底图片上模糊或被遮盖特征区域进行去除,去除后的低质量眼底图片通过复检单元(34)再次进行特征识别,直至模糊或被遮盖特征区域消失;
S4:合成输出
将S3优化处理后的低质量眼底图片通过合成模块(4)的特征分类单元(41)进行特征分类,利用匹配单元(42)将标记特征区域不同的处理后低质量眼底图片进行匹配,通过合成单元(43)将匹配的处理后低质量眼底图片进行叠加合成,利用判别单元(44)对合成后的合成眼底图片于高质量眼底图片差异进行判别,将符合输出标准的合成眼底图片通过输出模块(5)的生成单元(52)进行图片生成,生成后的高质量眼底图片可通过存储单元(53)存储或通过传输单元(54)进行传送出输出。
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宁波市眼科医院,未经宁波市眼科医院许可,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/202010858457.1/1.html,转载请声明来源钻瓜专利网。