[发明专利]视网膜病变影像的眼球定位方法、装置及电子设备

说明书

技术领域

本发明涉及图像处理技术领域，特别是指一种视网膜病变影像的眼球定位方法、装置及电子设备。

背景技术

视网膜病变，又称Rieger中心性视网膜炎、青年性出血性黄斑病变。该病为发生于黄斑部及其周围的弧立的渗出性脉络膜视网膜病灶，伴有视网膜下新生血管及出血。

为了对视网膜病变进行详细观察，通常需要采集视网膜病变影像以供分析。

但是，本发明的发明人在实现本发明的过程中发现，现有技术至少存在以下问题：

目前，视网膜病变影像的质量并不高，使用传统方法定位眼球位置、眼球区域时，常常会受到视网膜病变影像分辨率低、亮度过低、相机光斑干扰等因素影响，导致眼球定位不准。

发明内容

有鉴于此，本发明实施例的目的之一，在于提出一种视网膜病变影像的眼球定位方法、装置及电子设备，能够较为精确地完成视网膜病变影像的眼球定位。

基于上述目的，本发明实施例的第一个方面，提供了一种视网膜病变影像的眼球定位方法，包括：

获取视网膜病变影像数据；

对所述视网膜病变影像数据进行数据标注，得到标注数据；其中，所述标注数据包括标注的眼球中心坐标以及眼球直径；

建立初始深度学习网络；

将所述视网膜病变影像数据输入所述初始深度学习网络中，输出得到相应的预测数据；

利用损失函数对所述视网膜病变影像数据相应的标注数据和预测数据进行比较，得到比较结果；

根据所述比较结果，调节所述初始深度学习网络中的参数，直到所述比较结果达到预设阈值，得到最终的深度学习网络模型；

利用所述深度学习网络模型对待测视网膜病变影像数据进行处理，得到相应的眼球中心坐标以及眼球直径。

可选的，所述视网膜病变影像的眼球定位方法，还包括：

对所述视网膜病变影像数据进行数据预处理，得到预处理后的视网膜病变影像数据；

所述对所述视网膜病变影像数据进行数据标注，得到标注数据，具体包括：

对所述预处理后的视网膜病变影像数据进行数据标注，得到标注数据。

可选的，所述对所述视网膜病变影像数据进行数据预处理，包括：

对所述视网膜病变影像数据进行图像扩充，和/或，

对所述视网膜病变影像数据进行过采样处理。

可选的，所述对所述视网膜病变影像数据进行图像扩充，包括：

采用随机裁剪、旋转、翻转、缩放、调整亮度、调整对比度中的一种或者多种方式进行图像扩充。

可选的，所述对所述视网膜病变影像数据进行数据标注，包括：

采用人工标注的方式进行数据标注，或者采用图像处理与人工筛选相结合的方式进行数据标注。

可选的，所述初始神经网络模型选自Inception-ResNet模型或GoogLeNet v3模型。

可选的，所述损失函数为：

L(u,v)＝∑_i＝{x,y,d}Smooth_L1(u_i，v_i)；

其中，v＝(v_x,v_y,v_d)为所述标注数据，u＝(u_x,u_y,u_d)为所述初始深度学习网络输出所述标注数据相应的预测数据；v_x,v_y分别为标注的眼球中心坐标，v_d为标注的眼球直径；u_x,u_y分别为所述初始深度学习网络输出的眼球中心坐标，u_d为所述初始深度学习网络输出的眼球直径，z为所述预测数据和标注数据的差值。

可选的，所述调节初始深度学习网络中的参数，包括：

对所述初始深度学习网络的学习率和/或冲量进行调节。

本发明实施例的第二个方面，还提供了一种视网膜病变影像的眼球定位装置，包括：

获取模块，用于获取视网膜病变影像数据；

标注模块，用于对所述视网膜病变影像数据进行数据标注，得到标注数据；其中，所述标注数据包括标注的眼球中心坐标以及眼球直径；