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