[发明专利]一种眼底照片的图像识别方法、装置、设备及存储介质

说明书

本发明涉及人工智能技术领域，尤其涉及一种眼底照片的图像识别方法、装置、设备及存储介质。本发明中，通过多层级的分割网络对待识别图形进行分割，并根据待识别图像中的不同的分割目标使用不同层级的分割网络，提高了待识别图像中的不同分割目标的分割精度，最后基于分割网络参数训练分类模型，对待识别图像进行评级分类，并将评级分类结果与基于分割结果得到的评级分类结果进行处理，得到最终的目标评级分类结果，提高了待识别图像的评级分类精度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种眼底照片的图像识别方法、装置、设备及存储介质。

背景技术

糖网病病变等级评级工作通常遵循较为详细的五级病变等级(即正常、轻度非增殖、中度非增殖、重度非增殖和增殖)。在现有的病变评级工作中，最引人注目的就是利用深度卷积神经网络通过迁移学习的方式在大量的高质量标记的眼底图像上进行训练，直接得到彩色眼底图像的病变评级。尽管这类方法取得了媲美眼科专家的病变诊断水平，但这种绕过病灶检测直接进行病变筛查的方式并不被眼科医生所普遍接受，因为一旦发生诊断错误，网络无法给出直观的提示以便眼科医生进行核查，造成糖网病病变等级评级的精度较低，因此，在对眼底图像进行病变评级分类的过程中，如何提高图像评级分类的精度成为亟待解决的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种眼底照片的图像识别方法、装置、设备及存储介质，以解决在对眼底图像进行病变评级分类的过程中，病变评级分类精度较低的问题。

本申请实施例的第一方面提供了一种眼底照片的图像识别方法，所述图像识别方法包括：

使用下采样处理网络对待识别图像进行连续N次的下采样处理，得到N个特征图，N为大于1的整数；

从N个特征图中选取至少两个特征图，使用分割网络对所述至少两个特征图进行图像分割，得到对应的分割结果；

对每个分割结果进行上采样，得到对应的对每个分割结果进行上采样，得到对应的分割特征图，将所述分割特征图和与所述分割特征图分辨率大小相等的特征图进行拼接，得到对应的分割图，所述分割图为与所述待识别图像分辨率相同的图像；

对每个分割图中连通域个数进行统计，得到所述待识别图像中的异常结果，根据所述待识别图像中的异常结果对所述待识别图像进行评级分类，得到第一评级分类结果；

使用预设分类网络对第N次下采样处理得到特征图进行评级分类，得到第二评级分类结果，根据预设评级分类规则，对所述第一评级分类结果与所述第二评级分类结果进行目标评级分类，得到所述待识别图像对应的目标评级分类结果。

本申请实施例的第二方面提供了一种眼底照片的图像识别装置，其特征在于，所述图像识别装置包括：

下采样处理模块，用于使用下采样处理网络对所述待识别图像进行连续N次的下采样处理，得到N个特征图，N为大于1的整数；

分割模块，用于从N个特征图中选取至少两个特征图，使用分割网络对所述至少两个特征图进行图像分割，得到对应的分割结果；

上采样模块，用于对每个分割结果进行上采样，得到对应的对每个分割结果进行上采样，得到对应的分割特征图，将所述分割特征图和与所述分割特征图分辨率大小相等的特征图进行拼接，得到对应的分割图，所述分割图为与所述待识别图像分辨率相同的图像；

第一评级分类模块，用于对每个分割图中连通域个数进行统计，得到所述待识别图像中的异常结果，根据所述待识别图像中的异常结果对所述待识别图像进行评级分类，得到第一评级分类结果；

第二评级分类模块，用于使用预设分类网络对第N次下采样处理得到特征图进行评级分类，得到第二评级分类结果，根据预设评级分类规则，对所述第一评级分类结果与所述第二评级分类结果进行目标评级分类，得到所述待识别图像对应的目标评级分类结果。