[发明专利]一种评估眼底图像质量的方法、装置及存储介质

说明书

本申请涉及图像检测技术领域，提供一种评估眼底图像质量的方法、装置及存储介质，所述方法包括：获取待处理的眼底图像集合；根据深度学习方法和所述眼底图像集合构建分类模型；获取实时采集的临床病人的眼底图像；根据所述分类模型确定所述眼底图像质量合格后，根据上述分类模型对所述眼底图像进行图像切黑边处理，并输入到目标检测网络；根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域；若确定处理后的所述眼底图像中存在质量缺陷的异常图像时，发出提示信息，所述提示信息用于提醒对所述异常图像所对应的采集部位重新采集。通过采用本方案，能够实时反馈眼底图像的采集质量，保证眼底图片质量的稳定性。

技术领域

本申请涉及图像检测技术领域，尤其涉及一种评估眼底图像质量的方法、装置及存储介质。

背景技术

随着糖尿病、高血压、青光眼等患者的增多以及眼底筛查工作的开展，采集的眼底图像数量急剧增长，给眼科医疗带来了极大的工作压力。由于清晰的眼底图像是眼底病变自动筛查的先决条件，故需要对眼底图像进行质量评估，目前采用的质量评估方法包括：基于边缘和亮度的面向参考的方法，基于黄斑区域可见血管长度和基于多尺度滤波器组响应的面向无参考的方法，基于椭圆局部血管密度算法、充分考虑图像色彩、亮度、对比度、模糊度等多个特征的综合质量评估方法。

但是以上质量评估方法都是基于DR应用场景来对眼底图像进行质量评估，由于眼底图像中遇到的质量问题主要有：黄斑区域发黑、曝光过度、图像模糊、照相机镜头污点、视盘为中心或者无视盘等，而基于眼底图像的AMD筛查则需要黄斑所在的区域清晰可见，但是现有的质量评估方法无法很好的适用于AMD筛查临床应用场景，也无法满足AMD筛查临床应用场景的实时性。

发明内容

本申请提供了一种评估眼底图像质量的方法、装置及存储介质，能够解决现有技术中质量评估方法的适用性以及实时性都无法满足AMD筛查临床应用场景的问题。

第一方面，本申请提供一种评估眼底图像质量的方法，所述方法包括：

获取待处理的眼底图像集合；

根据深度学习方法和所述眼底图像集合构建分类模型；

获取实时采集的临床病人的眼底图像；

根据所述分类模型确定所述眼底图像质量合格后，根据上述分类模型对所述眼底图像进行图像切黑边处理，并输入到目标检测网络；

根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域；

若确定处理后的所述眼底图像中存在质量缺陷的异常图像时，发出提示信息，所述提示信息用于提醒对所述异常图像所对应的采集部位重新采集。

可选的，所述获取待处理的眼底图像集合之后，所述根据深度学习方法和所述眼底图像集合构建分类模型之前，所述方法还包括：

对所述眼底图像集合进行数据清洗，将清洗后的src图像进行图像大小变换到与dst图像相同的大小。

可选的，所述根据深度学习方法和所述眼底图像集合构建分类模型，包括：

选择一个神经网络作为分类模型；

设置输入所述神经网络的图像大小；

对所述眼底图像集合进行预处理，得到训练集和测试集；

使用所述训练集对所述神经网络进行训练；

对于已训练的神经网络，在所述测试集上达到预设的灵敏度和特异性后，选取最佳模型参数，将所述最佳模型参数对应的模型作为所述分类模型。

可选的，所述根据上述分类模型对该眼底图像进行图像切黑边处理，并输入到目标检测网络之前，所述方法还包括：