【技术实现步骤摘要】
一种青光眼图像检测方法、系统、电子设备及存储介质
[0001]本申请涉及医学图像处理领域,尤其涉及一种青光眼图像检测方法、系统、电子设备及存储介质。
技术介绍
[0002]随着现代化发展进程地加快,人们的用眼频率越来越高,随之而来的是患有眼科疾病的患者数量在不断地增加,越来越多的人被眼科疾病所带来的痛苦折磨,青光眼是一种以病理性高眼压、视神经乳头萎缩、视野缺损、视力下降为特征的眼病。目前,眼底图像检测是筛查眼科疾病的最主要手段之一,医生可以通过患者的眼底图像判断患者是否患有常见的眼科疾病。
[0003]在青光眼的检测中,人工观察眼底图像存在准确率低以及效率低下的问题。相关技术中,逐渐使用基于人工智能的医学图像处理方法来检测眼底图像,但是在青光眼图像检测过程中,通常是对完整的眼底图像进行判断,或者是只通过聚焦局部的核心区域进行判断,这样会导致模型性能指标较低,泛化能力较差,从而降低青光眼图像检测的准确性。
技术实现思路
[0004]本申请实施例的主要目的在于提出一种青光眼图像检测方法、系统、电子设备及存储介质,能够提高青光眼图像检测的准确性。
[0005]为实现上述目的,本申请实施例的第一方面提出了一种青光眼图像检测方法,所述方法包括:获取包含眼睛全局特征的眼底图像;将所述眼底图像输入预先训练好的视盘分割模型中,所述视盘分割模型根据所述眼底图像的图像特征进行分割处理,得到表征眼睛视盘区域局部特征的视盘区域图像;将所述眼底图像和所述视盘区域图像输入预先训练好的双分支青光眼图像检测模型,所述 ...
【技术保护点】
【技术特征摘要】
1.一种青光眼图像检测方法,其特征在于,所述方法包括:获取包含眼睛全局特征的眼底图像;将所述眼底图像输入预先训练好的视盘分割模型中,所述视盘分割模型根据所述眼底图像的图像特征进行分割处理,得到表征眼睛视盘区域局部特征的视盘区域图像;将所述眼底图像和所述视盘区域图像输入预先训练好的双分支青光眼图像检测模型,所述双分支青光眼图像检测模型对所述眼底图像和所述视盘区域图像进行处理并对所述眼底图像进行预测,得到所述眼底图像的图像预测概率值;根据所述图像预测概率值得到所述眼底图像的青光眼图像检测结果。2.根据权利要求1所述的青光眼图像检测方法,其特征在于,所述视盘分割模型通过以下步骤训练得到,包括:获取预设的视盘分割训练集,并为所述视盘分割训练集中的第一样本图像设置对应的第一标签信息;从所述视盘分割训练集中选取任意的所述第一样本图像并输入到所述视盘分割模型中,得到视盘区域预测的样本视盘预测概率值;根据所述第一标签信息和所述样本视盘预测概率值计算所述视盘分割模型的视盘分割损失值,并根据所述视盘分割损失值调整所述视盘分割模型的参数,得到训练后的所述视盘分割模型。3.根据权利要求2所述的青光眼图像检测方法,其特征在于,所述第一样本图像包含多个像素点,所述样本视盘预测概率值为各个像素点的样本像素预测概率值;所述根据所述第一标签信息和所述样本视盘预测概率值计算所述视盘分割模型的视盘分割损失值,包括:获取所述第一样本图像的像素点个数和预设的常数值;根据所述像素点个数、各像素点对应的所述样本像素预测概率值和所述第一标签信息进行交叉熵损失计算,得到第一损失值;根据所述像素点个数、各像素点对应的所述样本像素预测概率值、所述第一标签信息和所述常数值进行戴斯损失计算,得到第二损失值;根据所述第一损失值和第二损失值得到视盘分割损失值。4.根据权利要求1至3中任意一项所述的青光眼图像检测方法,其特征在于,所述视盘分割模型包括编码器、解码器和分割头,其中,所述编码器包含卷积核为7*7的卷积层、池化层和多层block模块,所述解码器包含多个处理模块,且每个所述处理模块与所述卷积层、所述池化层和多层所述block模块一一对应;所述视盘分割模型根据所述眼底图像的图像特征进行分割处理,得到表征眼睛视盘区域局部特征的视盘区域图像,包括:对所述眼底图像进行预处理,得到待分割眼底图像;通过所述卷积层对所述待分割眼底图像进行特征提取处理,得到第一特征图,通过所述池化层对所述第一特征图进行采样处理,得到第二特征图,通过多层所述block模块对所述第二特征图进行残差处理,得到多个第三特征图;通过所述解码器分别对所述第一特征图、所述第二特征图和各层所述block模块输出的多个所述第三特征图进行上采样和拼接,得到处理后的特征处理图像;
通过所述分割头对所述特征处理图像进行上采样操作,并计算预测得到的所述特征处理图像中各个像素点的像素预测概率值,根据所述像素预测概率值确定得到所述视盘区域位置信息;根据所述视盘区域位置信息确定视盘区域的位置坐标,根据所述位置坐标从所述特征处理图像裁剪得到表征眼睛视盘区域局部特征的视盘区域图像。5.根据权利要求1所述的青光眼图像检测方法,其特征在于,所述双分支青光眼图像检测模型通过以下步骤训练得到,...
【专利技术属性】
技术研发人员:马岚,陈楚城,邓卓,高伟豪,容福炬,牛志远,甘鲜,李方,
申请(专利权)人:清华大学深圳国际研究生院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。