[发明专利]基于U-net结构的水晶体分割及定位方法、装置、设备和介质

权利要求书

1.一种基于U-net结构的水晶体分割及定位方法，其特征在于，包括：分割网络训练过程、关键点定位网络训练过程以及水晶体分割及定位过程；

所述分割网络训练过程包括：

获取设定数量的水晶体照片，对所述水晶体照片进行预处理，得到输入图像X_input，对所述输入图像X_input的水晶体区域进行分割操作，得到与所述输入图像X_input对应的分割掩码X_mask；

对所述输入图像X_input与分割掩码X_mask同时进行随机旋转操作、左右随机移动操作、上下随机移动操作或左右翻转操作，将操作后得到的输入图像X_input与分割掩码X_mask以数据对的形式作为第一训练数据；

构建第一U-net结构网络，利用所述第一训练数据对所述第一U-net结构网络进行水晶体分割模型的训练，得到分割网络；

所述关键点定位网络训练过程包括：

利用所述分割掩码X_mask对所述输入图像X_input进行分割，得到水晶体分割图像M_input，获取所述水晶体分割图像M_input中水晶体的11个关键点位置M_points；

对所述水晶体分割图像M_input以及所述11个关键点位置M_points进行随机旋转操作、左右随机移动操作、上下随机移动操作或左右翻转操作，将操作后得到的水晶体分割图像M_input以及11个关键点位置M_points以数据对的形式作为第二训练数据；

构建第二U-net结构网络，利用所述第二训练数据对所述第二U-net结构网络进行关键点定位的训练，得到关键点定位网络；

所述水晶体分割及定位过程包括：

获取待处理图像，预处理后输入所述分割网络，得到预测分割掩码；利用所述预测分割掩码对所述预处理后的待处理图像进行分割，得到水晶体分割图像M_input；将所述水晶体分割图像M_input输入所述关键点定位网络，得到预测的11个关键点位置，利用所述预测的11个关键点位置实现待处理图像中的水晶体定位。

2.根据权利要求1所述的方法，其特征在于：所述分割网络训练过程中，构建第一U-net结构网络，利用所述第一训练数据对所述第一U-net结构网络进行水晶体分割模型的训练，具体包括：

构建第一U-net结构网络，所述第一U-net结构网络包括16个卷积模块，所述输入图像X_input作为第一U-net结构网络的输入，输出单通道的预测分割掩码X_mask'；所述第一U-net结构网络采用基于X_mask'与X_mask差值的构建L2损失Loss_seg，公式为Loss_seg＝||X_mask'-X_mask||²，训练过程中，批量大小为8，总的迭代次数为80万次，采用随机梯度下降的方式训练。

3.根据权利要求1所述的方法，其特征在于：所述关键点定位网络训练过程中，构建第二U-net结构网络，利用所述第二训练数据对所述第二U-net结构网络进行关键点定位的训练，具体包括：

构建第二U-net结构网络，所述第二U-net结构网络包括19个卷积模块，所述水晶体分割图像M_input作为所述第二U-net结构网络的输入，输出为1×23的向量，其中，前22个分量为预测的关键点位置M_points'，最后1个分量为预测的准确度的概率值；所述第二U-net结构网络损失包括关键点定位损失Loss_2D与置信度损失Loss_pro，计算公式为：

Loss_2D＝||M_points'-M_points||²

Loss_pro＝||probility-abs(M_points'-M_points)||²

其中，probility为网络输出的准确度的概率值，abs代表绝对值函数；

训练过程中，批量大小为12，总的迭代次数为60万次，采用随机梯度下降的方式训练。