一种白内障分级方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种白内障分级方法、装置、设备及存储介质，在该方法中，首先，获取待检测眼部图像中的晶体核区域图像；然后，通过至少两个第一白内障分级模型对晶体核区域图像进行分级，获得待检测眼部的至少两个第一白内障分级结果；最后，通过第二白内障分级模型对至少两个第一白内障分级结果进行分级，获得待检测眼部的第二白内障分级结果。可见，通过不同的第一白内障分级模型考虑了眼部晶体核区域图像的不同特征，又通过第二白内障分级模型结合至少两个第一白内障分级结果，相较于只通过分类器进行白内障分级，该方法通过这两种白内障分级模型进行分级能够得到更加准确的第二白内障分级结果，从而提高白内障分级结果的准确性。确性。确性。

【技术实现步骤摘要】
一种白内障分级方法、装置、设备及存储介质


[0001]本申请涉及机器学习
，尤其涉及一种白内障分级方法、装置、设备及存储介质。

技术介绍

[0002]白内障是视力受损的主要原因，也是导致失明的最严重的眼疾之一，发病率会随着年龄的增长而增加，及时的诊断和治疗有利于白内障疾病的恢复。其中，对白内障进行分级是提高诊断效率的重要手段之一，根据白内障的不同等级能够进行有针对性的治疗，从而帮助患者更快恢复。
[0003]现有技术中，白内障分级的方法为：通过卷积神经网络提取眼部图像的特征，利用分类器对眼部图像的特征进行分类，得到眼部图像的白内障分级结果。然而，在该白内障分级的方法中，仅通过分类器对眼部图像的特征进行分类，可能会出现白内障分级结果错误的情况，导致白内障分级结果的准确率降低低。
[0004]因此，如何提高白内障分级结果的准确性，成为目前亟待解决的问题。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种白内障分级方法、装置、设备及存储介质，旨在提高白内障分级结果的准确性。
[0006]第一方面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种白内障分级方法，其特征在于，所述方法包括：获取待检测眼部图像中的晶体核区域图像；通过至少两个第一白内障分级模型对所述晶体核区域图像进行分级，获得所述待检测眼部的至少两个第一白内障分级结果；通过第二白内障分级模型对所述至少两个第一白内障分级结果进行分级，获得所述待检测眼部的第二白内障分级结果。2.根据权利要求1所述的方法，其特征在于，所述获取待检测眼部图像中的晶体核区域图像，包括：通过YOLOv5s模型对所述待检测眼部图像中的晶体核进行定位，获得所述晶体核区域图像。3.根据权利要求1所述的方法，其特征在于，所述第一白内障分级模型包括：预先训练的深度学习模型和/或预先训练的分类器。4.根据权利要求1所述的方法，其特征在于，所述预先训练的深度学习模型包括预先训练的MobileNet v3模型；所述预先训练的分类器包括基于灰度共生特征的SVM分类器。5.根据权利要求1所述的方法，其特征在于，所述第一白内障分级模型的训练步骤，包括：获取多个晶体核区域图像样本和每个晶体核区域图像样本对应的等级标签；通过第一预设分级模型对所述多个晶体核区域图像样本进行分级，获得所述多个晶体核区域图像样本的多个第三白内障分级结果；根据所述第三白内障分级结果、所述每个晶体核区域图像样本对应的等级标签和所述第一预设分级模型的预设损失函数，训练所述第一预设分级模型的参数；将训练完成的所述第一预设分级模型确定为所述第一白内障分级模型。6.根据权利要求1所述的方法，其特征在于，所述第二白内障分级模型的训练步骤，包括：获取多组第一白内障分级结果和每组第一白内障...

【专利技术属性】
技术研发人员：胡深明，李一凡，杨静，李礼，朱玥，栾欣泽，李博，
申请(专利权)人：辽宁蜻蜓健康科技有限公司，
类型：发明
国别省市：