眼底图像处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种眼底图像处理方法、装置、计算机设备和存储介质。方法包括：接收采集的眼底图像；通过第一神经网络识别眼底图像，生成眼底图像的第一特征集；通过第二神经网路识别眼底图像，生成眼底图像的第二特征集，其中，第一特征集和第二特征集表征眼底图像不同的病变属性；组合第一特征集和第二特征集，得到眼底图像的组合特征集；将组合特征集输入至分类器中，得到分类结果。采用本方法能够提高对眼底图像进行分类的精确度。

【技术实现步骤摘要】
眼底图像处理方法、装置、计算机设备和存储介质
本申请涉及人工智能
，特别是涉及一种眼底图像处理方法、装置、计算机设备和存储介质。
技术介绍
近年来，人工智能在各个领域都得到的显著的发展。人工智能的一个重要的分支就是通过机器学习模拟人脑进行分析学习，以实现解释数据(如图像、声音和文本)的目的。目前，就对眼底图像的识别而言，主要的识别方法还是由医生凭借经验依靠肉眼观察来诊断患者是否患有眼底疾病，以及眼底疾病的严重程度，这种人工识别的方式耗时耗力，效率低下。而通过机器学习的方式对眼底疾病的识别还仅限于单一化的机器学习模型的构建，识别精确度低。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高对眼底图像进行分类的精确度的眼底图像识别方法、装置、计算机设备和存储介质。一种眼底图像处理方法，所述方法包括：接收采集的眼底图像；通过第一神经网络识别所述眼底图像，生成眼底图像的第一特征集；通过第二神经网路识别所述眼底图像，生成眼底图像的第二特征集，其中，所述第一特征集和所述第二特征集表征所述眼底图像不同的病变属性；组合所述第一特征集和所述第二特征集，得到眼底图像的组合特征集；将所述组合特征集输入至分类器中，得到分类结果。在一个实施例中，所述第一特征集表征所述眼底图像的病变类型属性，所述第二特征集表征所述眼底图像的病变级别属性；所述将所述组合特征集输入至分类器中，得到分类结果为：将带有病变类型属性和病变级别属性的组合特征集输入至由多个二类分类器按照设定的分类逻辑构成的多级分类器中，得到所述眼底图像的多级分类结果。在一个实施例中，所述通过第一神经网络识别所述眼底图像，得到眼底图像的第一特征集包括：将所述眼底图像做象限分割，生成象限图像组；将所述象限图像组中的每一象限图像输入至第一神经网络中，得到每一象限图像的特征向量；组合所述每一象限图像的特征向量生成所述眼底图像的第一特征集。在一个实施例中，接收的所述眼底图像包括来自同一个患者的左眼眼底图像和右眼眼底图像；所述将组合特征集输入至分类器中，得到分类结果包括：连接所述左眼眼底图像的组合特征集和所述右眼眼底图像的组合特征集，生成所述眼底图像的组合特征序列；将所述组合特征序列输入至分类器中，得到分类结果。在一个实施例中，接收的所述眼底图像包括来自同一患者的第一视野左眼眼底图像、第二视野左眼眼底图像、第一视野右眼眼底图像和第二视野右眼眼底图像；所述将组合特征集输入至分类器中，得到分类结果包括：连接所述第一视野左眼眼底图像的组合特征集、第二视野左眼眼底图像的组合特征集、所述第一视野右眼眼底图像的组合特征集，第二视野右眼眼底图像的组合特征集，生成所述眼底图像的组合特征序列；将所述组合特征序列输入至分类器中，得到分类结果。在一个实施例中，所述通过第二神经网络识别所述眼底图像，生成眼底图像的第二特征集，包括：通过第二神经网络识别所述眼底图像的病变级别属性，输出所述眼底图像的病变级别向量，其中，当设置眼底病变包含有n级病变时，生成的病变级别向量的长度为n-1，其中，i级病变的特征向量中前i为1，其余为0。一种眼底图像处理装置，所述装置包括：图像采集模块，用于接收采集的眼底图像；第一神经网络识别模块，用于通过第一神经网络识别所述眼底图像，生成眼底图像的第一特征集；第二神经网络识别模块，用于通过第二神经网路识别所述眼底图像，生成眼底图像的第二特征集，其中，所述第一特征集和所述第二特征集表征所述眼底图像不同的病变属性；特征组合模块，用于组合所述第一特征集和所述第二特征集，得到眼底图像的组合特征集；分类模块，用于将所述组合特征集输入至分类器中，得到分类结果。在一个实施例中，所述第一特征集表征所述眼底图像的病变类型属性，所述第二特征集表征所述眼底图像的病变级别属性；所述分类模块，还用于将带有病变类型属性和病变级别属性的组合特征集输入至由多个二类分类器按照设定的分类逻辑构成的多级分类器中，得到所述眼底图像的多级分类结果。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：接收采集的眼底图像；通过第一神经网络识别所述眼底图像，生成眼底图像的第一特征集；通过第二神经网路识别所述眼底图像，生成眼底图像的第二特征集，其中，所述第一特征集和所述第二特征集表征所述眼底图像不同的病变属性；组合所述第一特征集和所述第二特征集，得到眼底图像的组合特征集；将所述组合特征集输入至分类器中，得到分类结果。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤。接收采集的眼底图像；通过第一神经网络识别所述眼底图像，生成眼底图像的第一特征集；通过第二神经网路识别所述眼底图像，生成眼底图像的第二特征集，其中，所述第一特征集和所述第二特征集表征所述眼底图像不同的病变属性；组合所述第一特征集和所述第二特征集，得到眼底图像的组合特征集；将所述组合特征集输入至分类器中，得到分类结果。上述眼底图像识别方法、装置、计算机设备和存储介质，通过训练两个不同的神经网络，第一神经网络和第二神经网络，这两个神经网络能够从眼底图像中抽象出表征不同属性的病变特征，即从不同的角度进行眼底图像的病变特征的抽取。这个阶段的眼底图像特征实质上已经对眼底病变进行了初步地识别。在此基础上，将抽象出来的不同属性的病变特征进行组合，得到眼底图像的组合特征集，并将包含了更多特征的组合特征集作为眼底图像的特征值输入至分类器中以再一次进行识别分类，这种组合多种病变特征且经多次神经网络识别得到分类结果更加精准。附图说明图1为一个实施例中眼底图像处理方法的应用环境图；图2为另一个实施例中眼底图像处理方法的应用环境图；图3为一个实施例中眼底图像处理方法的的流程示意图；图4为采集的眼底图像的示意图；图5为另一个实施例中眼底图像处理方法的的流程示意图；图6为象限切割后的眼底图像的示意图；图7为一个实施例中眼底图像处理装置的结构框图；图8为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的眼底图像处理方法可以应用于如图1所示的应用环境中。该应用环境包括图像采集设备110a、服务器120a和终端130a，图像采集设备110a和终端130a可通过网络与服务器120a进行通信。服务器120a可以是独立的服务器或者是多个服务器组成的服务器集群，终端130a可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。图像采集设备110a可采集眼底图像，服务器120a中存储有预先训练好的第一神经网络、第二神经网络和分类器，服务器通过上述神经网络对眼底图像进行识别，得到眼底图像所包含的病变分类结果。终端130a接收服务器120a生成的分类结果并显示。在另一个实施例中，本申请提供的眼底图像处理方法还可应用于如图2所示的应用环境中，该应用环境包括图像采集设备110b和终端120b，图像采集设备110b可通过网络与终端120b进行通信。图像采集设备110b可采集眼底图像，终端120b中存储有预先训练好本文档来自技高网...

【技术保护点】
1.一种眼底图像处理方法，所述方法包括：接收采集的眼底图像；通过第一神经网络识别所述眼底图像，生成眼底图像的第一特征集；通过第二神经网路识别所述眼底图像，生成眼底图像的第二特征集，其中，所述第一特征集和所述第二特征集表征所述眼底图像不同的病变属性；组合所述第一特征集和所述第二特征集，得到眼底图像的组合特征集；将所述组合特征集输入至分类器中，得到分类结果。

【技术特征摘要】
2017.08.02 CN 201710653516X1.一种眼底图像处理方法，所述方法包括：接收采集的眼底图像；通过第一神经网络识别所述眼底图像，生成眼底图像的第一特征集；通过第二神经网路识别所述眼底图像，生成眼底图像的第二特征集，其中，所述第一特征集和所述第二特征集表征所述眼底图像不同的病变属性；组合所述第一特征集和所述第二特征集，得到眼底图像的组合特征集；将所述组合特征集输入至分类器中，得到分类结果。2.根据权利要求1所述的方法，其特征在于，所述第一特征集表征所述眼底图像的病变类型属性，所述第二特征集表征所述眼底图像的病变级别属性；所述将所述组合特征集输入至分类器中，得到分类结果，包括：将带有病变类型属性和病变级别属性的组合特征集输入至由多个二类分类器按照设定的分类逻辑构成的多级分类器中，得到所述眼底图像的多级分类结果。3.根据权利要求2所述的方法，其特征在于，所述通过第一神经网络识别所述眼底图像，得到眼底图像的第一特征集包括：将所述眼底图像做象限分割，生成象限图像组；将所述象限图像组中的每一象限图像输入至第一神经网络中，得到每一象限图像的特征向量；组合所述每一象限图像的特征向量生成所述眼底图像的第一特征集。4.根据权利要求1-3任意一项所述的方法，其特征在于，接收的所述眼底图像包括来自同一个患者的左眼眼底图像和右眼眼底图像；所述将组合特征集输入至分类器中，得到分类结果包括：连接所述左眼眼底图像的组合特征集和所述右眼眼底图像的组合特征集，生成所述眼底图像的组合特征序列；将所述组合特征序列输入至分类器中，得到分类结果。5.根据权利要求1-3任一项所述的方法，其特征在于，接收的所述眼底图像包括来自同一患者的第一视野左眼眼底图像、第二视野左眼眼底图像、第一视野右眼眼底图像和第二视野右眼眼底图像；所述将组合特征集输入至分类器中，...

【专利技术属性】
技术研发人员：贾伟平，盛斌，李华婷，戴领，
申请(专利权)人：上海市第六人民医院，上海交通大学，
类型：发明
国别省市：上海,31