【技术实现步骤摘要】
眼底图像转换方法及设备
本专利技术涉及医学图像处理领域，具体涉及一种眼底图像转换方法及设备。
技术介绍
随着机器学习技术的发展，尤其以深度学习为代表的机器学习技术在医疗影像领域得到了广泛的应用。如何提高机器学习模型的准确性和训练效率依然是非常具有挑战性的工作。现有技术通过优化模型结构，以及通过对眼底图像进行预处理的手段，对模型的训练效率和识别准确性产生了一定的促进作用。具体就眼底图像识别领域而言，无论是用于识别眼底病变类型的神经网络还是用于分割异常区域的神经网络，都需要大量的眼底图像样本作为训练数据。然而不同的眼底相机由于相机结构不同、参数不同，甚至是成像原理不同，所拍摄的眼底图像的视觉效果有着明显的区别。根据神经网络的原理，如果在训练阶段固定地使用某种相机拍摄的样本图像作为训练数据，而在使用时应用该神经网络去识别另一种眼底相机拍摄的图像，其准确性可能会下降。因此，应当尽可能地使用各种眼底相机拍摄的图像作为训练数据对网络进行训练以提高其适应能力，并且应当尽可能地均衡各种眼底图像的数量。但是现实中眼底图像并不是...
【技术保护点】
1.一种眼底图像转换模型训练方法，其特征在于，包括：/n获取多个训练数据，所述训练数据包括第一眼底图像和第二眼底图像，所述第一眼底图像和第二眼底图像是通过不同眼底相机所拍摄的同一眼球的视网膜图像，并且所述第一眼底图像经过脱敏处理去除了眼底相机属性对图像内容的影响；/n利用所述多个训练数据对神经网络进行训练，使其根据所述第一眼底图像生成与所述第二眼底图像相似的眼底图像。/n
【技术特征摘要】
1.一种眼底图像转换模型训练方法，其特征在于，包括：
获取多个训练数据，所述训练数据包括第一眼底图像和第二眼底图像，所述第一眼底图像和第二眼底图像是通过不同眼底相机所拍摄的同一眼球的视网膜图像，并且所述第一眼底图像经过脱敏处理去除了眼底相机属性对图像内容的影响；
利用所述多个训练数据对神经网络进行训练，使其根据所述第一眼底图像生成与所述第二眼底图像相似的眼底图像。
2.根据权利要求1所述的方法，其特征在于，所述神经网络为生成对抗网络，包括生成器和鉴别器，所述生成器用于根据所述第一眼底图像生成眼底图像，所述鉴别器用于判断生成的眼底图像是否是属于所述第二图像的眼底相机域特征的真实图像，训练过程中根据损失函数优化所述生成器和所述鉴别器的参数。
3.根据权利要求2所述的方法，其特征在于，所述损失函数包括三个部分，第一部分用于协调所述生成器和所述鉴别器同步地进行改进，第二部分用于保证生成的眼底图像与所述第二眼底图像具备对应关系，第三部分用于确保眼底图像关键区域的信息不被修改。
4.根据权利要求2所述的方法，其特征在于，所述生成器包括具有跳跃连接的层的神经网络，用于对所述第一眼底图像提取特征数据，并将不同深度的层所提取的特征数据进行拼接，以根据拼接后的特征数据生成眼底图像。
5.根据权利要求2或3所述的方法，其特征在于，所述鉴别器用于将生成的眼底图像划分为图像块，通过分别判断各个图像块来判断生成的眼底图像是否为是属于所述第二图像的...
【专利技术属性】
技术研发人员：张伊凡，付萌，郭子扬，熊健皓，戈宗元，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。