眼底图像处理方法、模型训练方法及设备技术

本发明专利技术提供一种眼底图像处理方法、模型训练方法及设备，所述眼底图像处理方法，包括：对多通道眼底图像提取单通道眼底图像；确定所述单通道眼底图像中的最大像素值和最小像素值；利用所述最大像素值和所述最小像素值对所述单通道眼底图像中的像素值进行处理；将处理后的所述单通道眼底图像合成为多通道眼底图像。

【技术实现步骤摘要】
眼底图像处理方法、模型训练方法及设备
本专利技术涉及图像处理领域，具体涉及一种眼底图像处理方法、模型训练方法及设备。
技术介绍
近年来，基于深度学习技术，智能影像识别在一些具体医学问题上达到了人类专家的识别水平，但学习到的模型在未知域(与模型训练数据不同来源的数据源)的测试性能容易大幅下降。未知域的数据可以来自于不同于模型训练集的采集设备或不同的采集人群等，医疗图像场景中常见的未知域是不同的人群、不同的采集设备等。这种性能的下降是因为训练数据学习到的评估模式在未见域图片上不完全适用，如何提升模型在此未知数据上的性能被定义为域泛化。在具体的医学图像分析应用场景中，这个问题主要源自于以下限制：获取大量医院不同类型设备的数据难以实现，模型的训练数据通常采集自少数医疗机构的特定型号仪器。但实际应用中需要模型大范围的适配多种型号的数据采集设备。眼底图像域泛化问题的主要来源之一是不同眼底图像采集相机的差异，比如传感器种类、透镜、焦距、光源距离等差异。设计眼底相机需要成像系统以及照明系统之间的良好平衡与结合，不同的相机设计会造成诸如照度均匀性本文档来自技高网...

【技术保护点】
1.一种眼底图像处理方法，其特征在于，包括：/n对多通道眼底图像提取单通道眼底图像；/n确定所述单通道眼底图像中的最大像素值和最小像素值；/n利用所述最大像素值和所述最小像素值对所述单通道眼底图像中的像素值进行处理；/n将处理后的所述单通道眼底图像合成为多通道眼底图像。/n

【技术特征摘要】
1.一种眼底图像处理方法，其特征在于，包括：
对多通道眼底图像提取单通道眼底图像；
确定所述单通道眼底图像中的最大像素值和最小像素值；
利用所述最大像素值和所述最小像素值对所述单通道眼底图像中的像素值进行处理；
将处理后的所述单通道眼底图像合成为多通道眼底图像。


2.根据权利要求1所述的方法，其特征在于，利用所述最大像素值和所述最小像素值对所述单通道眼底图像中的像素值进行处理具体包括：
确定所述单通道眼底图像的平均像素值和所述多通道眼底图像的标准差；
利用所述平均像素值、所述标准差、所述最大像素值和所述最小像素值对所述单通道眼底图像中的像素值进行计算。


3.根据权利要求2所述的方法，其特征在于，利用所述平均像素值、所述标准差、所述最大像素值和所述最小像素值对所述单通道眼底图像中的像素值进行计算具体包括：
将所述平均像素值、所述标准差、所述最大像素值作为设定函数的输入进行计算，得到针对所述最大像素值的计算结果；将所述平均像素值、所述标准差、所述最小像素值作为所述设定函数的输入进行计算，得到针对所述最小像素值的计算结果；将所述平均像素值、所述标准差、所述单通道眼底图像的像素值作为所述设定函数的输入进行计算，得到针对所述单通道眼底图像像素的计算结果；
利用所述计算结果得到处理后的像素值。


4.根据权利要求3所述的方法，其特征在于，利用如下方式得到处理后的像素值：



其中gi表示处理后的像素值，ψ(fi)表示针对所述单通道眼底图像像素的计算结果，ψ(fimin)表示针对所述最小像素值的计算结果，ψ(fimax)表示针对所述最大像素值的计算结果。


5.根据权利要求3或4所述的方法，其特征在于，所述设定函数为



其中表示所述平均像素值，fi表示所述最大像素值或者所述最小像素值或者所述单通道眼底图像的像素值，σ表示所述标准差。


6.根据权利要求2-5中任一项所述的方法，其特...

【专利技术属性】
技术研发人员：熊健皓，赵昕，和超，张大磊，
申请(专利权)人：北京鹰瞳科技发展股份有限公司，上海鹰瞳医疗科技有限公司，
类型：发明
国别省市：北京;11