System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及医学图像处理,特别是涉及一种眼底图像的病灶预测模型的训练方法、预测方法及装置。
技术介绍
1、眼底图像能够记录视网膜外观形态,可用于检查眼睛疾病相关的异常及监测眼睛疾病的进展,因此对于黄斑变性、视网膜肿瘤、脉络膜紊乱和糖尿病视网膜病变等疾病检测过程至关重要。眼底图像的病灶预测是指对眼底彩色图像中出现的渗出、出血及微动脉瘤等病灶和正常的眼底组织进行区分,并定位病灶在眼底图像中的位置。
2、但是一些眼底病变种类多样,形态各异,程度不一,例如糖尿病视网膜病变(diabetic retinopathy,dr),其是由糖尿病引起视网膜血管壁受损,导致视网膜上出现微血管瘤、硬性渗出物和出血等病灶。相关技术中针对这种类型的眼底病变检测准确程度较低,例如难以检测不同种类的糖尿病视网膜病变,尤其是对微动脉瘤、小出血点等小目标病灶的检出率低。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请实施例提供了一种眼底图像的病灶预测模型的训练方法、预测方法及装置,能够对眼底图像进行多尺度病灶检测,有效提高了眼底图像病灶的检出率。
2、第一方面,本申请实施例提供了一种眼底图像的病灶预测模型的训练方法,包括:
3、获取眼底图像,并对所述眼底图像按照预设尺寸进行网格划分;
4、获取每个网格的标注结果;所述标注结果包括正结果网格和负结果网格,所述正结果网格表征所述网格包含病灶信息,所述负结果网格表征所述网格不包含病灶信息;
...【技术保护点】
1.一种眼底图像的病灶预测模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述第一网格包括第一大网格和第一小网格,所述第二网格包括第二大网格和第二小网格;所述按照与所述预设尺寸不同的尺寸获取所述正结果网格的多个第一网格,以及获取所述负结果网格的多个第二网格,包括:
3.根据权利要求2所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述病灶预测模型还包括第一特征提取网络、第二特征提取网络、第三特征提取网络、全局平均池化层和分类层;所述将所述正样本或所述负样本输入病灶预测模型得到特征值,并根据所述特征值得到病灶预测值,包括:
4.根据权利要求1所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述正结果网格的分类标签值为1,所述负结果网格的分类标签值为0;所述基于所述病灶预测值计算聚焦损失值,包括:
5.根据权利要求4所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述基于所述病灶预测值计算分割损失值,包括:
6.根据权利要求1至5中任一项所述的眼底图像的病
7.一种眼底图像的病灶预测方法,其特征在于,应用如权利要求1至6中任一项所述的眼底图像的病灶预测模型的训练方法,包括:
8.根据权利要求7所述的眼底图像的病灶预测方法,其特征在于,所述病灶信息包括病灶类别;所述病灶预测模型的分类层设置有所述病灶类别的类别权重;所述将所述基础网格、所述基础大网格和所述基础小网格输入所述病灶预测模型,得到基础特征值,并根据所述基础特征值生成所述基础网格的类激活映射图,包括:
9.根据权利要求7所述的眼底图像的病灶预测方法,其特征在于,所述将所述类激活映射图映射至所述眼底图像中,得到眼底图像热力图,包括:
10.根据权利要求7所述的眼底图像的病灶预测方法,其特征在于,所述眼底图像热力图包括多个像素;所述对所述眼底图像热力图执行二值化过程得到二值化分割图,包括:
11.根据权利要求7所述的眼底图像的病灶预测方法,其特征在于,所述基于所述二值化分割图提取病灶轮廓,并将所述病灶轮廓与所述眼底图像进行叠加,得到所述眼底图像的病灶预测结果,包括:
12.一种眼底图像的病灶预测模型的训练装置,其特征在于,应用如权利要求1至6中任一项所述的眼底图像的病灶预测模型的训练方法,包括:
13.一种眼底图像的病灶预测装置,其特征在于,应用如权利要求7至11中任一项所述的眼底图像的病灶预测方法,包括:
14.一种电子设备,其特征在于,包括存储器、处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的眼底图像的病灶预测模型的训练方法或权利要求7至11中任一项所述的眼底图像的病灶预测方法。
15.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1至6中任一项所述的眼底图像的病灶预测模型的训练方法或权利要求7至11中任一项所述的眼底图像的病灶预测方法。
...【技术特征摘要】
1.一种眼底图像的病灶预测模型的训练方法,其特征在于,包括:
2.根据权利要求1所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述第一网格包括第一大网格和第一小网格,所述第二网格包括第二大网格和第二小网格;所述按照与所述预设尺寸不同的尺寸获取所述正结果网格的多个第一网格,以及获取所述负结果网格的多个第二网格,包括:
3.根据权利要求2所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述病灶预测模型还包括第一特征提取网络、第二特征提取网络、第三特征提取网络、全局平均池化层和分类层;所述将所述正样本或所述负样本输入病灶预测模型得到特征值,并根据所述特征值得到病灶预测值,包括:
4.根据权利要求1所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述正结果网格的分类标签值为1,所述负结果网格的分类标签值为0;所述基于所述病灶预测值计算聚焦损失值,包括:
5.根据权利要求4所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述基于所述病灶预测值计算分割损失值,包括:
6.根据权利要求1至5中任一项所述的眼底图像的病灶预测模型的训练方法,其特征在于,所述模型权重包括学习率指标;所述根据所述聚焦损失值和所述分割损失值更新所述病灶预测模型的模型权重,直至达到迭代终止条件,得到训练好的所述病灶预测模型,包括:
7.一种眼底图像的病灶预测方法,其特征在于,应用如权利要求1至6中任一项所述的眼底图像的病灶预测模型的训练方法,包括:
8.根据权利要求7所述的眼底图像的病灶预测方法,其特征在于,所述病灶信息包括病灶类别;所述病灶预测模...
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。