基于深度神经网络可视化的眼底图像生成方法及系统技术方案

本公开涉及图像处理技术领域，具体涉及一种基于深度神经网络可视化的眼底图像生成方法及系统，其中所述方法包括：病理感知网络可视化模型获取眼底图像分类网络模型中各卷积层提取的多个特征图构成第一特征图集合；基于第一预设参数对所述第一特征图集合进行筛选得到第二特征图集合；基于第二预设参数对所述第二特征图集合进行筛选分类得到第三特征图集合；基于所述第三特征图集合中的特征图融合生成所述眼底图像的预设病理区域对应的可视化图。本公开实施方案可以提高生成的眼底图像在病理区域的图像质量，提高辅助诊断的准确性。

【技术实现步骤摘要】
基于深度神经网络可视化的眼底图像生成方法及系统
本公开实施例涉及图像处理
，尤其涉及一种基于深度神经网络可视化的眼底图像生成方法、基于深度神经网络可视化的眼底图像生成系统，生成式对抗网络训练方法、生成式对抗网络训练系统，眼底图像生成方法、眼底图像生成系统，以及实现基于深度神经网络可视化的眼底图像生成方法、生成式对抗网络训练方法或者眼底图像生成方法的计算机可读存储介质和电子设备。
技术介绍
随着人工智能识别的发展，各领域普遍采用各种神经网络模型进行识别以不断提高识别精度和识别范围。例如在数据驱动型的医学图像识别处理领域，数据占有十分重要的地位，一方面，大量来源广泛的图像数据可以增强神经网络模型的泛化能力，另一方面，详细标注和高病理清晰度的图像数据会大大降低识别任务的难度，也可以增益神经网络模型的性能。然而，医学图像数据目前仍面临着许多的问题，例如数据量过少、数据质量不佳以及缺乏医生标注等方面。目前，有很多研究人员致力于解决这些问题，例如通过大量的复制当前的医学图像数据库来扩充图像数据，或者通过改进神经网络模型，引入弱监督机制来减少对本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络可视化的眼底图像生成方法，其特征在于，包括：/n病理感知网络可视化模型获取眼底图像分类网络模型中各卷积层提取的多个特征图构成第一特征图集合；所述第一特征图集合中的特征图是基于输入至所述眼底图像分类网络模型的眼底图像得到；/n所述病理感知网络可视化模型基于第一预设参数对所述第一特征图集合进行筛选得到第二特征图集合；所述第一预设参数是第一特征图集合中的特征图的激活值；/n所述病理感知网络可视化模型基于第二预设参数对所述第二特征图集合进行筛选分类得到第三特征图集合；所述第二预设参数与所述眼底图像的预设病理区域像素分布相关；/n所述病理感知网络可视化模型基于所述第三特征图集合中...

【技术特征摘要】
1.一种基于深度神经网络可视化的眼底图像生成方法，其特征在于，包括：
病理感知网络可视化模型获取眼底图像分类网络模型中各卷积层提取的多个特征图构成第一特征图集合；所述第一特征图集合中的特征图是基于输入至所述眼底图像分类网络模型的眼底图像得到；
所述病理感知网络可视化模型基于第一预设参数对所述第一特征图集合进行筛选得到第二特征图集合；所述第一预设参数是第一特征图集合中的特征图的激活值；
所述病理感知网络可视化模型基于第二预设参数对所述第二特征图集合进行筛选分类得到第三特征图集合；所述第二预设参数与所述眼底图像的预设病理区域像素分布相关；
所述病理感知网络可视化模型基于所述第三特征图集合中的特征图融合生成所述眼底图像的预设病理区域对应的可视化图。


2.根据权利要求1所述的眼底图像生成方法，其特征在于，所述眼底图像分类网络模型为将多个标注的眼底样本图像输入至深度神经网络进行训练而得到。


3.根据权利要求1所述的眼底图像生成方法，其特征在于，所述病理感知网络可视化模型基于第一预设参数对所述第一特征图集合进行筛选得到第二特征图集合，包括：
计算所述第一特征图集合中各特征图的激活值；
将所述各特征图的激活值中小于预设激活门限值的特征图去除，保留剩余特征图构成该第二特征图集合。


4.根据权利要求1所述的眼底图像生成方法，其特征在于，所述第二预设参数是特征图以质心为中心的转动惯量，用以表示图像的像素相对于图像质心的分布；
所述基于第二预设参数对所述第二特征图集合进行筛选分类得到第三特征图集合，包括：
计算所述第二特征图集合中的各特征图的第二预设参数；
将计算得到的第二预设参数大于第一门限值而小于第二门限值的特征图去除，剩余特征图构成该第三特征图集合；其中，所述第一门限值小于所述第二门限值。


5.根据权利要求1所述的眼底图像生成方法，其特征在于，所述病理感知网络可视化模型基于所述第三特征图集合中的特征图融合生成所述眼底图像的预设病理区域对应的可视化图，包括：
获取所述眼底图像分类网络模型输出的患病标签值；
基于所述患病标签值和第三特征图集合确定该第三特征图集合中各特征图的重要程度值；
基于所述各特征图的重要程度值以及对应的特征图融合生成所述预设病理区域对应的可视化图。


6.根据权利要求5所述的眼底图像生成方法，其特征在于，所述基于所述患病标签值和第三特征图集合确定该第三特征图集合中各特征图的重要程度值，包括：
将所述患病标签值对第三特征图集合中各特征图求导得到导数值；
将各特征图对应的导数值经过全局平均池化处理得到各特征图的重要程度值。


7.根据权利要求5所述的眼底图像生成方法，其特征在于，所述基于所述各特征图的重要程度值以及对应的特征图融合生成所述预设病理区域对应的可视化图，包括：
基于所述各特征图的重要程度值以及对应的特征图加权求和融合生成所述预设病理区域对应的可视化图。


8.根据权利要求1～7任一项所述的眼底图像生成方法，其特征在于，所述眼底图像至少包括青光眼眼底图像，所述预设病理区域至少包括视神经盘区域和视网膜纤维层区域；和/或，所述可视化图至少包括热点图。


9.一种生成式对抗网络训练方法，其特征在于，包括：
将病理感知网络可视化模型配置于生成式对抗...

【专利技术属性】
技术研发人员：徐迈，王晓飞，
申请(专利权)人：深圳市新产业眼科新技术有限公司，
类型：发明
国别省市：广东;44