一种近视图像深度学习识别模型训练方法及系统技术方案

本发明专利技术涉及医学图像处理技术领域，更具体地涉及一种近视图像深度学习识别模型训练方法，包括以下步骤：采集眼外观图像；对所述眼外观图像进行预处理；以人脸识别大数据库VGG‑Face中的人脸图像作为第一训练数据，对VGG‑16网络模型进行预训练；以预处理后的所述眼外观图像作为第二训练数据，对预训练后的所述VGG‑16网络模型进行训练，得到用于近视图像识别的深度学习模型。本发明专利技术提供一种近视图像深度学习识别模型训练方法，用于辅助使用者快速、准确地判断青少年近视情况。

A training method and system of myopia image deep learning recognition model

【技术实现步骤摘要】
一种近视图像深度学习识别模型训练方法及系统
本专利技术涉及医学图像处理
，更具体地，涉及一种近视图像深度学习识别模型训练方法及系统。
技术介绍
屈光功能是眼球的重要功能之一，影响眼球的感光功能发育和全眼的视功能。屈光功能损害是世界重大公共卫生问题，严重威胁青少年健康。根据WHO最新的报道，全球大约1.3千万的儿童和青少年由于未矫正的近视而存在视力障碍。然而，目前大多数近视患儿，在视功能严重缺失引起斜视等改变之前，外观特征不明显，难以被人观测到。另外，患儿一般不会感知并告知父母自己的视力障碍，特别是当只有一只眼睛存在视力障碍的时候。传统的近视筛查方法主要通过一年一度的学校视力检查，筛选出有视力异常的儿童，转诊至医院进行验光。需要专业的验光设备和验光师评估，才能发现和确定近视的程度，并有机会进行矫正，但耗时耗力，现有的医疗资源根本无法覆盖近视爆发的青少年人群的需求，耽误宝贵的治疗窗口。同时，由于青少年的快速发育，需要动态跟踪提醒屈光不正的患儿的变化情况，及时调整矫正眼镜度数，以促使视功能的良好发育。这些都是现有的医疗资源和技术共同面临的难题。本文档来自技高网...

【技术保护点】
1.一种近视图像深度学习识别模型训练方法，其特征在于，包括以下步骤：/n采集眼外观图像；/n对所述眼外观图像进行预处理；/n以人脸识别大数据库VGG-Face中的人脸图像作为第一训练数据，对VGG-16网络模型进行预训练；/n以预处理后的所述眼外观图像作为第二训练数据，对预训练后的所述VGG-16网络模型进行训练，得到用于近视图像识别的深度学习模型。/n

【技术特征摘要】
1.一种近视图像深度学习识别模型训练方法，其特征在于，包括以下步骤：
采集眼外观图像；
对所述眼外观图像进行预处理；
以人脸识别大数据库VGG-Face中的人脸图像作为第一训练数据，对VGG-16网络模型进行预训练；
以预处理后的所述眼外观图像作为第二训练数据，对预训练后的所述VGG-16网络模型进行训练，得到用于近视图像识别的深度学习模型。


2.根据权利要求1所述的一种近视图像深度学习识别模型训练方法，其特征在于，采集眼外观图像，具体包括：
在距离被采集者预设采集距离时，采集被采集者每只眼睛的三个角度的所述眼外观图像，所述三个角度分别为正侧面、斜45度和正面。


3.根据权利要求2所述的一种近视图像深度学习识别模型训练方法，其特征在于，所述预设采集距离为1m。


4.根据权利要求1至3任一项所述的一种近视图像深度学习识别模型训练方法，其特征在于，所述采集眼外观图像的采集环境为室内照明环境。


5.根据权利要求2至3所述的一种近视图像深度学习识别模型训练方法，其特征在于，对眼外观图像进行预处理，具体包括：
将三个角度的所述眼外观图像进行归一化处理整合为一张眼外观图像，并设定为固定分辨率。


6.根据权利要求1所述的一种近视图像深度学习识别模型训练方法，其特征在于，以人脸识别大数据VGG-Face中的人脸图像作为第一训练数据，对VGG-16网络模型进行预训练，具体包括：
采用Keras模型训练框架，以人脸识别大数据库VGG-Face中的人脸图像作为第一训练数据，...

【专利技术属性】
技术研发人员：林浩添，杨雅涵，李睿扬，郭翀，
申请(专利权)人：中山大学中山眼科中心，
类型：发明
国别省市：广东;44