[发明专利]基于深度学习处理眼底图像的相关方法及设备

说明书

本发明实施例提供基于深度学习处理眼底图像的相关方法及设备。其中，一种基于深度学习的眼底图像处理方法包括：以预设分割方式分割待处理眼底图像，获得至少一个分析图像；通过眼底图像深度学习网络模型对至少一个分析图像进行分析，获得至少一个中间图像；融合至少一个中间图像，以获得包含特征标记的待处理眼底图像；其中，眼底图像深度学习网络模型为通过深度学习网络对至少一个训练图像分别进行多层卷积计算，以迭代更新深度学习网络模型获得的；在每一次更新深度学习网络模型的过程中，结合最后一层卷积计算获得的特征图及至少一个更新特征图，更新深度学习网络模型；更新特征图为对一层卷积计算获得的特征图再次进行卷积计算获得的特征图。

技术领域

本发明涉及医学图像处理领域，尤其涉及基于深度学习处理眼底图像的相关方法及设备。

背景技术

眼底是眼球内后部的组织，眼底的图像即眼底图像。通常，眼底图像分辨率较大，并且其中的各个特征区域形状大小无规则，边界不平滑且模糊，人工标注眼底图像中的特征区域的方式费时费力。

近些年计算机视觉、机器学习和人工智能在医学图像处理领域已取得令人瞩目的成果。其中，深度学习领域是机器学习领域中最新且有影响力的前沿领域。传统的医学图像处理方法需要人工标注特征区域，这不仅需要相关医学经验，还需要消耗人力资源，并且，拍摄眼底图像时的拍照环境、光照、拍摄角度等因素都会对标注结果造成影响。

现有技术中，存在基于深度学习网络分析眼底图像的技术方案，但目前基于深度学习网络分析眼底图像的技术方案效果较差，只能分析出眼底图像中面积较大的特征区域，但针对面积较小的特征区域，现有的基于深度学习网络分析眼底图像的技术方案无法识别。

可见，现有技术存在无法识别眼底图像中较小特征区域的技术问题。

发明内容

本发明实施例提供基于深度学习处理眼底图像的相关方法及设备，用以解决现有技术中的图像处理方法无法识别眼底图像中较小特征区域的技术问题。

第一方面，提供一种基于深度学习的眼底图像处理方法，所述方法包括：

以预设分割方式分割待处理眼底图像，获得至少一个分析图像；

通过眼底图像深度学习网络模型对所述至少一个分析图像进行分析，获得至少一个中间图像；所述至少一个中间图像包含特征概率标记，特征概率标记用于标记图像中的像素点为各种特征区域的概率；

融合所述至少一个中间图像，以获得包含特征标记的待处理眼底图像；特征标记用于标记图像中的像素点为何种特征区域；

其中，所述眼底图像深度学习网络模型为通过深度学习网络对至少一个训练图像分别进行多层卷积计算，以迭代更新深度学习网络模型获得的；在每一次更新深度学习网络模型的过程中，结合最后一层卷积计算获得的特征图及至少一个更新特征图，更新深度学习网络模型；更新特征图为对一层卷积计算获得的特征图再次进行卷积计算获得的特征图；特征图包含特征概率标记。

在一种可能的实现方式中，通过眼底图像深度学习网络模型对所述至少一个分析图像进行分析，获得至少一个中间图像，包括：

针对所述至少一个分析图像中的每个分析图像执行以下操作：

通过眼底图像深度学习网络模型对分析图像进行分析，确定并标记分析图像的每个像素点的背景特征概率值和至少一种目标特征概率值；其中，背景特征概率值表示像素点不为任何目标特征区域的概率，目标特征概率值表示像素点为某种目标特征区域的概率。

在一种可能的实现方式中，融合所述至少一个中间图像，以获得包含特征标记的待处理眼底图像，包括：

以与所述预设分割方式相逆的叠加拼接方式，叠加拼接所述至少一个中间图像，以获得包含特征概率标记的待处理眼底图像；