[发明专利]黄斑影像检测方法和设备

权利要求书

1.一种黄斑影像检测方法，其特征在于，包括：

获取眼底图像；

利用机器学习模型对所述眼底图像中的黄斑区域、视盘区域和黄斑视盘联合区域进行识别，以输出标记特征区域后的眼底图像，所述特征区域为黄斑区域、视盘区域和黄斑视盘联合区域中的至少一种，其中所述机器学习模型是利用已知所述特征区域所在位置的样本图像进行训练得到的；

根据所述标记特征区域后的眼底图像输出标记黄斑影像位置后的眼底图像，包括：

当所述特征区域为黄斑视盘联合区域时，将所述黄斑视盘联合区域等分为两个区域，根据所述两个区域内的图像特征将其中一个区域确定为黄斑区域，以及输出标记黄斑区域后的眼底图像；

当所述特征区域不包括黄斑区域并且同时包括视盘区域和黄斑视盘联合区域时，根据所述视盘区域和所述黄斑视盘联合区域的位置确定所述黄斑视盘联合区域中不含所述视盘区域的区域，以得到空缺区域；根据预设阈值对所述空缺区域进行分割处理以将所述空缺区域的像素点分为多个类，选取其中一类像素点以得到所述黄斑区域；以及输出标记黄斑区域后的眼底图像。

2.根据权利要求1所述的方法，其特征在于，当所述特征区域中包括黄斑区域时，输出标记黄斑区域后的眼底图像。

3.根据权利要求1所述的方法，其特征在于，当所述特征区域不包括黄斑区域并且为视盘区域时，所述根据所述标记特征区域后的眼底图像输出标记黄斑影像位置后的眼底图像，包括：

确定所述视盘区域的中心位置；

在距离所述中心位置预设距离、预设方向外的位置选定预定尺寸的区域作为黄斑区域；

输出标记黄斑区域后的眼底图像。

4.一种黄斑影像识别模型训练方法，其特征在于，包括：

获取样本数据，所述样本数据包括眼底图像和标记了特征区域后的眼底图像，其中所述特征区域为黄斑区域、视盘区域和黄斑视盘联合区域中的至少一种；

利用所述样本数据对机器学习模型进行训练，以使所述机器学习模型从眼底图像中标记出所述特征区域，其中，所述机器学习模型对所述眼底图像中的黄斑区域、视盘区域和黄斑视盘联合区域进行识别，以输出标记特征区域后的眼底图像；

其中，所述标记特征区域后的眼底图像用于输出标记黄斑影像位置后的眼底图像，包括：

当所述特征区域为黄斑视盘联合区域时，将所述黄斑视盘联合区域等分为两个区域，根据所述两个区域内的图像特征将其中一个区域确定为黄斑区域，以及输出标记黄斑区域后的眼底图像；

当所述特征区域不包括黄斑区域并且同时包括视盘区域和黄斑视盘联合区域时，根据所述视盘区域和所述黄斑视盘联合区域的位置确定所述黄斑视盘联合区域中不含所述视盘区域的区域，以得到空缺区域；根据预设阈值对所述空缺区域进行分割处理以将所述空缺区域的像素点分为多个类，选取其中一类像素点以得到所述黄斑区域；以及输出标记黄斑区域后的眼底图像。

5.根据权利要求4所述的方法，其特征在于，所述获取样本数据包括：

获取第一样本数据，所述第一样本数据包括眼底图像和标记了特征区域后的眼底图像，其中所述特征区域为黄斑区域、视盘区域和黄斑视盘联合区域中的至少一种；

对所述第一样本数据中的眼底图像和标记了特征区域后的眼底图像进行预定角度的翻转处理以获得第二样本数据；

由所述第一样本数据和所述第二样本数据组成用于对所述机器学习模型进行训练的样本数据。

6.一种黄斑影像检测设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-3任意一项所述的黄斑影像检测方法。

7.一种黄斑影像识别模型训练设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求4或5所述的黄斑影像识别模型训练方法。