[发明专利]眼底图像识别方法、装置、电子设备及存储介质

权利要求书

1.一种眼底图像识别方法，其特征在于，包括：

获取待识别眼底图像，并对所述待识别眼底图像进行网格分块处理，以形成多个待识别分块网格；

将所述待识别眼底图像的每个待识别分块网格，分别输入预先训练的神经网络模型，以确定所述待识别分块网格的病灶状态；

根据所述病灶状态和各所述待识别分块网格在待识别眼底图像中的位置，确定所述待识别眼底图像的病灶状态。

2.根据权利要求1所述的方法，其特征在于，在将所述待识别眼底图像的每个待识别分块网格，分别输入预先训练的神经网络模型之前，还包括：

将每个待识别分块网格作为原始待识别分块网格，在所述待识别眼底图像中获取所述原始待识别分块网格的至少一个调整待识别分块网格，其中，所述调整待识别分块网格中至少包括所述原始待识别分块网格的部分区域；

将各所述调整待识别分块网格与对应的原始待识别分块网格一并输入所述神经网络模型进行所述原始待识别分块网格的病灶状态识别。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括所述神经网络模型的训练阶段，所述训练阶段包括：

获取病灶分块网格和常人分块网格，其中，所述病灶分块网格为在病灶眼底图像中标注包括病灶的分块网格；

将所述病灶分块网格和常人分块网格输入所述神经网络模型中进行训练。

4.根据权利要求3所述的方法，其特征在于，所述病灶分块网格包括原始分块网格和调整分块网格，其中，所述调整分块网格是在所述病灶眼底图像中提取的，并至少包括所述原始分块网格的部分区域。

5.根据权利要求4所述的方法，其特征在于，获取病灶分块网格包括：

获取原始病灶眼底图像，并进行网格分块处理，以获取多个原始分块网格；

获取针对所述原始分块网格的病灶状态标注结果，其中，所述病灶状态标注结果包括：包括病灶和不包括病灶；

在所述原始病灶眼底图像中获取所述病灶分块网格的至少一个调整分块网格，作为病灶分块网格。

6.根据权利要求5所述的方法，其特征在于，在所述原始病灶眼底图像中获取所述病灶分块网格的至少一个调整分块网格包括：

在所述原始病灶眼底图像中，以所述病灶分块网格为中心区域，将病灶分块网格的边长延长至设定倍数，获取扩大分块网格，作为调整分块网格；和/或，

在所述原始病灶眼底图像中，以所述病灶分块网格为中心区域，将病灶分块网格的边长缩小设定比例，获取缩小分块网格，作为调整分块网格。

7.根据权利要求3所述的方法，其特征在于，获取常人分块网格包括：

将正常人的眼底图像进行网格分块处理，以获取多个常人分块网格。

8.根据权利要求4所述的方法，其特征在于，所述神经网络模型包括卷积层、池化层和分类层；其中，所述卷积层包括分别用于处理所述原始分块网格和各调整分块网格的卷积通道，以将各分块网格进行至少一次卷积处理，以形成矩阵尺寸相同的多个特征图，并将各卷积通道所输出的特征图进行级联。

9.根据权利要求8所述的方法，其特征在于，所述池化层采用全局平均池化方法，所述分类层为二分类模块，所述神经网络模型的目标函数根据焦点损失目标函数和杰卡德相似系数损失目标函数进行构建。

10.根据权利要求9所述的方法，其特征在于，所述目标函数采用如下公式构建：

其中，p代表所述分类层输出的包括病灶的模型预测值；

y代表分块网格的病灶标注值；

t代表分块网格的所属类别，类别包括：包括病灶和不包括病灶；

p_t代表不同类别t的转换预测值；

γ代表聚焦参数；

α_t代表不同类别的权重。