眼底彩照图像分级方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了眼底彩照图像分级方法、装置、计算机设备及存储介质，涉及人工智能技术领域，包括以下：获取原始图像，对所述原始图像进行增强处理，获得目标图像；对所述原始图像和所述目标图像进行色彩处理，分别获得第一处理图像和第二处理图像；用预训练的分级模型对所述第一处理图像和所述第二处理图像进行处理，获得目标分级结果，通过多色彩空间的第一处理图像和第二处理图像作为模型输入，并通过融合后的特征在全图的尺度下进行预测实现对常见的眼底彩照病种进行分类分级，可以将有病变的眼底彩照自动筛出，达到预筛选的效果，提高工作效率。

【技术实现步骤摘要】
眼底彩照图像分级方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种眼底彩照图像分级方法、装置、计算机设备及存储介质。
技术介绍
眼底图像包含血管、视盘、黄斑区域等多种生理结构，随着年龄的增长，极易发生病变，眼底检查时应用最广泛也是最重要的方式之一就是拍摄眼底彩照，通过其拍摄的眼底视网膜结构彩图，医生可以直接观察和分析拍摄者眼底是否存在异常，但是目前眼底彩照的阅读和诊断高度依赖于医生经验，工作量较大。现有的眼底彩照识别部分根据标准图片进行参照比较识别，然而现实临床中的眼底彩照图片并不是标准图片，因此识别准确性较低，还有一些眼底图像自动识别分区方法用于特定疾病，如基于糖网分级识别糖尿病视网膜病变，但无法考虑老年黄斑变性等常见病变的分级，因此需要一种将有病变的眼底彩照自动筛出眼底彩照图像分级方法。
技术实现思路
本专利技术的目的是提供一种眼底彩照图像分级方法、装置、计算机设备及存储介质，用于解决现有技术中的眼底彩照识别大多依赖于医生经验，仅部分疾病能够根据眼底彩照进行自动识别，缺乏一种适用于常见本文档来自技高网...

【技术保护点】
1.一种眼底彩照图像分级方法，其特征在于，包括：/n获取原始图像，对所述原始图像进行增强处理，获得目标图像；/n对所述原始图像和所述目标图像进行色彩处理，分别获得第一处理图像和第二处理图像；/n采用预训练的分级模型对所述第一处理图像和所述第二处理图像进行处理，获得目标分级结果。/n

【技术特征摘要】
1.一种眼底彩照图像分级方法，其特征在于，包括：
获取原始图像，对所述原始图像进行增强处理，获得目标图像；
对所述原始图像和所述目标图像进行色彩处理，分别获得第一处理图像和第二处理图像；
采用预训练的分级模型对所述第一处理图像和所述第二处理图像进行处理，获得目标分级结果。


2.根据权利要求1所述的眼底彩照图像分级方法，其特征在于，对所述原始图像进行增强处理，获得目标图像，包括以下：
根据预设尺寸对所述原始图像进行裁剪或缩放；
对裁剪或缩放后的原始图像进行归一化处理，获得处理图像；
采用限制对比度自适应直方图均衡算法对所述处理图像进行处理，获得目标图像。


3.根据权利要求1所述的眼底彩照图像分级方法，其特征在于，对所述原始图像和所述目标图像进行色彩处理，分别获得第一处理图像和第二处理图像，包括以下：
分别基于所述原始图像和所述目标图像获取第一RGB三通道图像和第二RGB三通道图像；
分别对第一RGB三通道图像和第二RGB三通道图像进行图像转换，获得对应的第一HSV三通道图像和第二HSV三通道图像；
采用所述第一RGB通道图像与所述第一HSV通道图像融合获得第一处理图像；
采用所述第二RGB通道图像与所述第二HSV通道图像融合获得第二处理图像。


4.根据权利要求1所述的眼底彩照图像分级方法，其特征在于，在采用预训练的分级模型对所述第一处理图像和所述第二处理图像进行处理前，包括采用训练样本，对所述分级模型进行训练，所述训练包括以下：
获取多个训练样本，每一所述训练样本包括带有分级标签的样本原始图像、带有分级标签的样本增强图像；
其中，所述分级标签包括轻中度老年黄斑变性、重度老年黄斑变性、轻中度糖网、重度糖网、豹纹状眼底、病理性近视；
采用第一卷积网络对所述样本原始图像进行特征提取后预测分级结果，获得第一预测结果；
采用第二卷积网络对所述样本增强图像进行特征提取后预测分级结果，获得第二预测结果；
采用融合网络对特征提取后的所述样本原始图像和所述样本增强图像进行特征融合，并基于所述特征融合后的图像预测分级结果，获得第三预测结果；
基于所述第一预测结果、第二预测结果以及第三预测结果加权获得目标预测结果，根据第一卷积网络、第二卷积网络以及融合网络分别对应的损失函数加权获得所述分级模型对应的损失函数，将所述第一预测结果、第二预测结果、第三预测结果以及目标预测结果与所述分级标签进行...

【专利技术属性】
技术研发人员：王关政，王立龙，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44