【技术实现步骤摘要】
眼底数据预测方法和设备
本专利技术涉及眼科图像检测领域，具体涉及一种眼底数据预测方法和设备。
技术介绍
在医疗领域中，黄斑在眼底视神经盘的颞侧0.35cm处并稍下方，处于人眼的光学中心区，是视力轴线的投影点。黄斑位于视网膜的中心，该部位集中了大量的视觉功能细胞。黄斑区的异常经常直接导致视觉能力的下降，黄斑区的病变如果没有被及时的发现和治疗，失明的几率将大大提高。目前，机器学习在医学领域得到了广泛的应用，尤其以深度学习为代表的机器学习技术在医疗影像领域被广泛关注。在眼底图像检测方面，深度学习技术已经被用于青光眼、糖尿病视网膜病变等病种的检测，并取得了良好效果。但是，由于眼底图像中黄斑和视盘的形态特征往往因病变程度的不同而差异巨大，导致机器学习技术难以准确分割出黄斑和视盘等影像的边界，因此现有技术的识别结果是一个大致的检测框，虽然可以在一定程度上确保检测框中包含视盘或者黄斑的全部内容，但是这种检测结果仍不够精准，从而会影响后续的异常检测结论。
技术实现思路
有鉴于此，本专利技术提供一种眼底数据
【技术保护点】
1.一种眼底数据预测方法，其特征在于，包括：/n获取眼底图像；/n利用机器学习模型预测所述眼底图像中的预测黄斑中心位置、视盘中心位置和视盘尺寸，所述机器学习模型在预测过程中生成热力图，所述黄斑中心位置和所述视盘中心位置是根据所述热力图的像素值确定的。/n
【技术特征摘要】
1.一种眼底数据预测方法，其特征在于，包括：
获取眼底图像；
利用机器学习模型预测所述眼底图像中的预测黄斑中心位置、视盘中心位置和视盘尺寸，所述机器学习模型在预测过程中生成热力图，所述黄斑中心位置和所述视盘中心位置是根据所述热力图的像素值确定的。
2.根据权利要求1所述的方法，其特征在于，所述热力图是所述机器学习模型中用于提取眼底图像特征的神经网络的最后一层输出的特征图。
3.根据权利要求1或2所述的方法，其特征在于，利用机器学习模型预测所述眼底图像中的黄斑中心位置、视盘中心位置包括：
获取所述热力图中的两个峰值；
确定所述两个峰值对应所述眼底图像中的两个像素点；
根据所述两个像素点的像素值确定黄斑中心位置和视盘中心位置。
4.一种眼底数据预测模型训练方法，其特征在于，包括：
获取训练数据，所述训练数据包括标记了黄斑中心位置、视盘中心位置和视盘区域的眼底图像，其中所述视盘区域的标记内容用于确定视盘尺寸；
利用所述训练数据对机器学习模型进行训练，以使其根据输入的眼底图像预测黄斑中心位置、视盘中心位置和视盘尺寸。
5.根据权利要求4所述的方法，其特征在于，训练过程采用如下损失函数：
Loss＝Lp+λLwh，
其中Lp表示预测的黄斑中心位置、视盘中心位置与训练数据中的黄斑中心位置、视盘中心位置的差异，Lwh表示预测的视盘尺寸与训练数据中的视盘尺寸的差异，λ为权重，0＜λ＜1。
<...
【专利技术属性】
技术研发人员：王欣，姚轩，黄烨霖，赵昕，和超，张大磊，
申请(专利权)人：上海鹰瞳医疗科技有限公司，
类型：发明
国别省市：上海;31
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。