眼底彩色图像分类模型训练方法及眼底彩色图像分类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113947124A(43)申请公布日2022.01.18(21)申请号202010615017.3(22)申请日2020.06.30(71)申请人中移（成都）信息通信科技有限公司地址610041四川省成都市中国（四川）自由贸易试验区成都高新区交子大道575号J座6楼申请人中国移动通信集团有限公司(72)发明人杨了王旭浩柳岸胡冉杰黄承基(74)专利代理机构北京东方亿思知识产权代理有限责任公司11258代理人彭琼(51)Int.Cl.G06K9/62(2006.01)G06T7/00(2017.01)权利要求书2页说明书9页附图5页(54)发明名称眼底彩色图像分类模型训练方法及眼底彩色图像分类方法(57)摘要本发明实施例提供了一种眼底彩色图像分类模型训练方法及眼底彩色图像分类方法。该眼底彩色图像分类模型的训练方法，包括：获取不同类别的原始眼底彩色图像；对原始眼底彩色图像进行预处理，得到目标眼底彩色图像；将目标眼底彩色图像输入第一卷积神经网络，输出目标眼底彩色图像对应的眼底血管图像；获取目标眼底彩色图像对应的患者年龄特征和患者性别特征；利用目标眼底彩色图像、眼底血管图像、患者年龄特征和患者性别特征，对第二卷积神经网络进行模型训练，得到眼底彩色图像分类模型。根据本发明实施例，能够提高眼底彩色图像的筛查分类效率和准确率。CN113947124ACN113947124A权利要求书1/2页1.一种眼底彩色图像分类模型的训练方法，其特征在于，包括：获取不同类别的原始眼底彩色图像；对所述原始眼底彩色图像进行预处理，得到目标眼底彩色图像；将所述目标眼底彩色图像输入第一卷积神经网络，输出所述目标眼底彩色图像对应的眼底血管图像；获取所述目标眼底彩色图像对应的患者年龄特征和患者性别特征；利用所述目标眼底彩色图像、所述眼底血管图像、所述患者年龄特征和所述患者性别特征，对第二卷积神经网络进行模型训练，得到眼底彩色图像分类模型。2.根据权利要求1所述的眼底彩色图像分类模型的训练方法，其特征在于，所述对所述原始眼底彩色图像进行预处理，得到目标眼底彩色图像，包括：对所述原始眼底彩色图像进行色彩空间变换和绿色通道提取，得到第一眼底彩色图像；采用自适应直方图均衡法，消除所述第一眼底彩色图像中的不均匀光照，得到所述目标眼底彩色图像。3.根据权利要求1所述的眼底彩色图像分类模型的训练方法，其特征在于，所述第一卷积神经网络的主干网络包括至少一个卷积层、至少一个最大池化层和sigmoid函数层。4.根据权利要求1所述的眼底彩色图像分类模型的训练方法，其特征在于，所述第二卷积神经网络的主干网络包括至少一个卷积层、至少一个全局均值池化层、至少一个最大池化层、至少一个全连接层、批次归一化和修正线性单元。5.根据权利要求1所述的眼底彩色图像分类模型的训练方法，其特征在于，所述对所述原始眼底彩色图像进行预处理，得到目标眼底彩色图像，包括：对所述原始眼底彩色图像进行图像增广处理，得到所述目标眼底彩色图像。6.根据权利要求5所述的眼底彩色图像分类模型的训练方法，其特征在于，所述对所述原始眼底彩色图像进行图像增广处理，得到所述目标眼底彩色图像，包括：对所述原始眼底彩色图像进行去燥平滑、像素归一化、统一图像尺寸、随机翻转、中心裁剪和添加高斯噪声处理，得到所述目标眼底彩色图像。7.一种基于眼底彩色图像分类模型的眼底彩色图像分类方法，其特征在于，所述眼底彩色图像分类模型是利用权利要求1至6任一项所述的眼底彩色图像分类模型的训练方法得到的，包括：获取待分类的眼底彩色图像；将所述待分类的眼底彩色图像输入所述眼底彩色图像分类模型，输出所述待分类的眼底彩色图像的分类结果。8.一种眼底彩色图像分类模型的训练装置，其特征在于，包括：第一获取模块，用于获取不同类别的原始眼底彩色图像；预处理模块，用于对所述原始眼底彩色图像进行预处理，得到目标眼底彩色图像；输出模块，用于将所述目标眼底彩色图像输入第一卷积神经网络，输出所述目标眼底彩色图像对应的眼底血管图像；第二获取模块，用于获取所述目标眼底彩色图像对应的患者年龄特征和患者性别特征；2CN113947124A权利要求书2/2页模型训练模块，用于利用所述目标眼底彩色图像、所述眼底血管图像、所述患者年龄特征和所述患者性别特征，对第二卷积神经网络进行模型训练，得到眼底彩色图像分类模型。9.一种基于眼底彩色图像分类模型的眼底彩色图像分类装置，其特征在于，所述眼底彩色图像分类模型是利用权利要求1至6任一项所述的眼底彩色图像分类模型的训练方法得到的，包括：获取模块，用于获取待分类的眼底彩色图像；输出模块，用于将所述待分类的眼底彩色图像输入所述眼底彩色图像分类模型，输出所述待分类的眼底彩色图像的分类