[发明专利]病灶自动识别方法、装置及计算机可读存储介质

权利要求书

1.一种病灶自动识别方法，其特征在于，所述方法包括：

采集眼底图像数据，并对所述眼底图像数据执行预处理操作；

利用预处理操作之后的眼底图像数据训练病灶识别模型；及

将需要进行病灶识别的眼底图像以预设的N个像素为步长均匀地产生图像块，对每个图像块运用所述病灶识别模型得到该图像块的概率值，对所有图像块的概率值进行平均运算，得到该输入的眼底图像中病灶的概率值。

2.如权利要求1所述的病灶自动识别方法，其特征在于，所述预处理操作包括图像剪裁处理，所述图像剪裁处理通阈值图像分割法把眼底部分从所述眼底图像数据中提取出来。

3.如权利要求1或2所述的病灶自动识别方法，其特征在于，所述预处理操作包括归一化处理，所述归一化处理通过下述公式，将所述眼底图像数据从RGB颜色空间转换为LUV颜色空间：

u^*＝13L^*·(u′-u′_n)

υ^*＝13L^*·(v′-υ′_n)，②

其中，b为定值，u'和v'是色度坐标，将式子①中得到的X、Y、Z的值以及所述色度坐标u'和v'代入式子②中，得到调整后的L通道值L*与U和V通道的值u*和v*后，再将所述眼底图像数据转换回RGB色彩空间，完成归一化处理。

4.如权利要求1中任意一项所述的病灶自动识别方法，其特征在于，所述病灶识别模型为卷积神经网络模型，以及所述利用预处理操作之后的眼底图像数据训练病灶识别模型包括：

以64个像素为步长从所述眼底图像提取256x256的小图像块，形成初始训练样本；

采用数据增强方法增加所述初始训练数量样本；

将包含有病灶的图像块放入正样本的训练集，将没有包含有病灶的图像块放入负样本的训练集；

通过自举法，对正样本进行多次重采样，使得正负样本的比例接近1:1；及

利用正负样本的训练集训练所述卷积神经网络模型。

5.如权利要求4所述的病灶自动识别方法，其特征在于，所述病灶自动识别方法还包括：

利用损失函数调节所述正负样本比例，其中，所述损失函数结合dice函数和交叉熵函数：

L＝-mean(w₁₀*y_i,j*log(x_i,j)+w₁₁*(1-y_i,j)*log(1-x_i,j))

+w₂*dice(y)，

其中，x_i,j、y_i,j表示像素坐标，w₂，w₁₀及w₁₁为预先设定的系数，以对正负样本的不平衡进行调节。

6.一种病灶自动识别装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的病灶自动识别程序，所述病灶自动识别程序被所述处理器执行时实现如下步骤：

采集眼底图像数据，并对所述眼底图像数据执行预处理操作；

利用预处理操作之后的眼底图像数据训练病灶识别模型；及

将需要进行病灶识别的眼底图像以预设的N个像素为步长均匀地产生图像块，对每个图像块运用所述病灶识别模型得到该图像块的概率值，对所有图像块的概率值进行平均运算，得到该输入的眼底图像中病灶的概率值。

7.如权利要求6所述的病灶自动识别装置，其特征在于，所述预处理操作包括图像剪裁处理，所述图像剪裁处理通阈值图像分割法把眼底部分从所述眼底图像数据中提取出来。