[发明专利]基于病灶注意条件生成对抗网络的视网膜图像合成方法

权利要求书

1.一种基于病灶注意条件生成对抗网络的视网膜图像合成方法，其特征在于，所述方法包括：

获取视网膜血管掩膜图；

将所述视网膜血管掩膜图输入到已训练的基于病灶注意条件生成对抗网络，得到视网膜合成图像。

2.根据权利要求1所述的基于病灶注意条件生成对抗网络的视网膜图像合成方法，其特征在于，所述基于病灶注意条件生成对抗网络包括生成器、权重共享的多输出判别器、随机森林分类器、反向激活网络和注意力模块，其中，所述权重共享的多输出判别器输出疾病判别结果和疾病分类结果；所述随机森林分类器用于识别所述权重共享的多输出判别器输出的疾病分类结果的病灶特征；所述反向激活网络用于激活所述病灶特征；所述注意力模块用于将所述病灶特征融合到生成器的解码器中。

3.根据权利要求2所述的基于病灶注意条件生成对抗网络的视网膜图像合成方法，其特征在于，所述随机森林分类器用于识别所述权重共享的多输出判别器输出的疾病分类结果的病灶特征具体为：

所述随机森林分类器用于通过统计所述权重共享的多输出判别器输出的疾病分类结果中的分类特征频率得到病灶特征。

4.根据权利要求2所述的基于病灶注意条件生成对抗网络的视网膜图像合成方法，其特征在于，所述基于病灶注意条件生成对抗网络的训练过程包括：

获取随机高斯噪声向量；

获取训练样本，其中，所述训练样本包括真实视网膜图像、视网膜血管掩膜和疾病分类标签，所述视网膜血管掩膜根据所述真实视网膜图像变换得到；

将所述随机高斯噪声向量、所述视网膜血管掩膜和所述真实视网膜图像输入至第一网络模型，通过所述第一网络模型输出与所述真实视网膜图像对应的预测疾病分类结果；

根据所述疾病分类标签和所述预测疾病分类结果，得到损失函数；

基于所述损失函数，对所述第一网络模型进行训练，以得到基于病灶注意条件生成对抗网络。

5.根据权利要求4所述的基于病灶注意条件生成对抗网络的视网膜图像合成方法，其特征在于，所述视网膜血管掩膜根据所述真实视网膜图像变换得到具体为：

将所述真实视网膜图像进行视网膜血管分割，得到视网膜血管分割图像；

在将所述视网膜血管分割图像进行滤波，得到视网膜血管掩膜。

6.根据权利要求4所述的基于病灶注意条件生成对抗网络的视网膜图像合成方法，其特征在于，所述损失函数是将对抗损失函数、分类损失函数、激活特征匹配损失函数和感知损失相加得到。

7.根据权利要求6所述的基于病灶注意条件生成对抗网络的视网膜图像合成方法，其特征在于，所述激活特征匹配损失函数用于计算所述反向激活网络的病灶特征。

8.根据权利要求6所述的基于病灶注意条件生成对抗网络的视网膜图像合成方法，其特征在于，所述分类损失函数用于学习所述真实视网膜图像的病灶特征。

9.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-8中任意一项所述的方法。

10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-8中任意一项所述的方法。