【技术实现步骤摘要】
一种眼底图像质量检测方法、系统及图像处理设备
[0001]本专利技术涉及图像处理，尤其是涉及一种眼底图像质量检测方法、系统及图像处理设备。
技术介绍
[0002]眼底图像是一种非常重要的医学图像，用于诊断和治疗多种眼部疾病。眼底图像一般由彩色眼底相机进行拍摄，为了保证拍摄到的眼底图像的高质量，通常需要对眼底图像进行质量评估，以便医生能够获取到高质量的眼底图像，以提高医生诊断的准确性。
[0003]目前，眼底图像质量评价方法主要基于图像色彩、图像对比度、图像清晰度、亮度等图像参数对眼底图像的质量进行评估，然而，由于不同人的瞳孔颜色的差异以及眼球上不规则的色斑位置深浅的差异等因素会使得拍摄的眼底图像的颜色产生一定差异，容易导致在对眼底图像进行质量评估时产生干扰，从而容易误判眼底图像的质量，不利于医生结合眼底图像进行眼部疾病的诊断。
技术实现思路
[0004]为了便于对眼底图像的质量进行准确检测，本申请提供了一种眼底图像质量检测方法、系统及图像处理设备。
[0005]第一方面，本申请提供的一种眼底图...
【技术保护点】
【技术特征摘要】
1.一种眼底图像质量检测方法，其特征在于，包括：获取待检测眼底图像；将待检测眼底图像输入至图像质量检测网络，通过所述图像质量检测网络提取所述待检测眼底图像在预设的多个维度的内容结构信息，并根据所述多个维度的内容结构信息输出所述待检测眼底图像的质量检测结果。2.根据权利要求1所述的方法，其特征在于：所述方法还包括对预设的神经网络模型进行训练以得到所述图像质量检测网络的训练步骤，所述预设的神经网络模型包括注意力模块、特征提取模块以及图像质量检测模块；所述训练步骤包括：获取训练数据集，对训练数据集包括的多张样本眼底图像在所述多个维度的内容结构信息进行标注，并根据标注的所述多个维度的内容结构信息为所述样本眼底图像标定对应的图像质量标签；将各所述样本眼底图像输入所述注意力模块，通过所述注意力模块对各所述样本眼底图像的血管区域、视盘区域以及黄斑区域进行特征融合处理，得到各所述样本眼底图像分别对应的融合注意力特征图；通过所述特征提取模块依次提取各所述融合注意力特征图在所述预设的多个维度的内容结构信息分别对应的特征向量，并输入所述图像质量检测模块；所述图像质量检测模块根据所述特征提取模块输入的特征向量对各所述样本眼底图像进行质量预测，并根据图像质量标签以及质量预测结果对所述预设的神经网络模型的模型参数进行迭代更新，以得到所述图像质量检测网络。3.根据权利要求2所述的方法，其特征在于：将各所述样本眼底图像输入所述注意力模块，通过所述注意力模块对各所述样本眼底图像的血管区域、视盘区域以及黄斑区域进行特征融合处理，得到各所述样本眼底图像分别对应的融合注意力特征图，包括：对所述样本眼底图像进行感兴趣区域检测，得到各所述样本眼底图像的感兴趣区域图像；通过图像分割网络对各所述样本眼底图像的感兴趣区域图像进行图像分割，得到各所述样本眼底图像的视盘区域图像、黄斑区域图像以及血管区域图像；根据所述视盘区域图像、黄斑区域图像以及血管区域图像构建所述样本眼底图像的特征权重图；将各所述样本眼底图像与其对应的特征权重图进行融合，得到各样本眼底图像的融合注意力特征图。4.根据权利要求3所述的方法，其特征在于，将各所述样本眼底图像与其对应的特征权重图进行融合，得到各样本眼底图像的融合注意力特征图，包括：将特征权重图与样本眼底图像进行相乘处理，得到注意力特征图；将注意力特征图与样本眼底图像进行拼接处理，得到拼接特征图；对拼接特征图进行卷积处理，得到与样本眼底图像通道数一致的融合注意力特征图。5.根据权利要求3所述的方法，其特征在于，还包括对预设的图像识别模型进行训练以得到所述图像分割网络的训练步骤，所述训练步骤包括：对训练数据集中的多张样本眼底图像的视盘区域、黄斑区域以及血管区域进行标注；
将多张样本眼底图像输入预设的图像识别模型，输出样本眼底图像的图像分割结果；根据图像分割结果，依次通过第一学习率、第二学习率以及第三学习率，对所述预设的图像识别模型...
【专利技术属性】
技术研发人员：王崇阳，陈文光，
申请(专利权)人：上海美沃精密仪器股份有限公司，
类型：发明
国别省市：
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。