[发明专利]眼底图像识别方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种眼底图像识别方法、装置、电子设备及存储介质。该方法包括：获取待识别眼底图像，并对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，以确定待识别分块网格的病灶状态；根据病灶状态和各待识别分块网格在待识别眼底图像中的位置，确定待识别眼底图像的病灶状态。本发明实施例的技术方案在保证病灶识别准确性和多类型病灶识别的同时，减少需要的眼底图像样本数量以及模型训练过程的数据运算量。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种眼底图像识别方法、装置、电子设备及存储介质。

背景技术

眼底图像能够记录患者的视网膜信息，可供医生进行病灶识别和定位，从而进行眼部疾病的诊断。

为了避免医生的工作量和主观性，现有技术逐渐引入了计算机的辅助处理功能，对眼底图像进行识别，例如采用基于阈值分割、基于形态学分割、基于分类和基于深度学习的方法来进行图像识别。其中，基于深度学习的方法对眼底图像进行识别，具体是，通过医生对眼底图像的病灶区域进行人工标注，并将标注后的眼底图像和一些正常的眼底图像作为训练样本，输入深度学习模型进行训练，并通过训练后的深度学习模型对未知的眼底图像是否包含病灶进行识别。

由于眼底图像中反映出来的病灶类型较多，形态各异，且正常人的眼底图像也是多种多样的，所以如果要实现模型识别准确，且能识别出各种类型病灶，需要在模型训练过程中输入大量训练样本，同时对训练样本进行数据处理的运算量也较大。但是，受限于通过医生标注所获得的样本数量和准确度，使得模型识别的准确性和适用多种病灶类型的目标难以实现。

发明内容

本发明实施例提供一种眼底图像识别方法、装置、电子设备及存储介质，以在保证病灶识别准确性和多类型病灶识别的同时，减少需要的眼底图像样本数量以及模型训练过程的数据运算量。

第一方面，本发明实施例提供了一种眼底图像识别方法，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。

第二方面，本发明实施例还提供了一种眼底图像识别装置，包括：

待识别网格分块处理模块，用于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；

网格病灶状态确定模块，用于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；

图像病灶状态确定模块，用于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。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面实施例所提供的一种眼底图像识别方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所提供的一种眼底图像识别方法。