[发明专利]用于处理眼底图像的方法和装置

说明书

本公开的实施例公开了用于处理眼底图像的方法和装置。该方法的一具体实施方式包括：获取目标眼底图像；将该目标眼底图像划分为至少两个第一图像块；将该第一图像块输入至预先训练的深度学习模型，得到第一输出值；基于该第一输出值和阈值，确定该第一图像块是否为含有预定类型图像区域的眼底图像块。该实施方式实现了提高处理器对目标眼底图像的处理速度，降低处理器的运算量。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于处理眼底图像的方法和装置。

背景技术

随着科技的发展，计算机图像处理技术逐渐应用到越来越多的领域。而对于眼底图像的处理，目前期待有通用的图像处理方法。

眼底即眼球内后部的组织。眼底即眼球的内膜，其上包括有视网膜、视乳头、黄斑和视网膜中央动静脉。

发明内容

本公开的实施例提出了用于处理眼底图像的方法和装置。

第一方面，本公开的实施例提供了一种用于处理眼底图像的方法，该方法包括：获取目标眼底图像；将目标眼底图像划分为至少两个第一图像块；将第一图像块输入至预先训练的深度学习模型，得到第一输出值，其中，深度学习模型用于表征图像块与输出值之间的对应关系；基于第一输出值和阈值，确定第一图像块是否为含有预定类型图像区域的眼底图像块，其中，阈值是通过以下步骤确定的：获取含有预定类型图像区域的眼底图像，基于含有预定类型图像区域的眼底图像和深度学习模型，确定阈值。

在一些实施例中，该方法还包括：响应于确定第一图像块为含有预定类型图像区域的眼底图像块，对第一图像块添加标签，以及输出带有标签的第一图像块。

在一些实施例中，该基于第一输出值和阈值，确定第一图像块是否为含有预定类型图像区域的眼底图像块，包括：确定第一输出值是否大于阈值；响应于确定大于，将第一图像块确定为含有预定类型图像区域的眼底图像块；响应于确定小于或者等于，将第一图像块确定为不含有预定类型图像区域的眼底图像块。

在一些实施例中，该阈值是通过以下步骤确定的：获取含有预定类型图像区域的眼底图像；将含有预定类型图像区域的眼底图像输入至深度学习模型，得到第二输出值；从第二输出值中确定阈值。

在一些实施例中，该阈值是通过以下步骤确定的：获取含有预定类型图像区域的眼底图像；将含有预定类型图像区域的眼底图像划分为至少两个第二图像块；将至少两个第二图像块分别输入至深度学习模型，得到至少两个第三输出值；从至少两个第三输出值中选取最大值作为阈值。

在一些实施例中，该深度学习模型是通过如下步骤训练得到的：获取第一训练样本集合，其中，第一训练样本包括不含有预定类型图像区域的眼底图像和与不含有预定类型图像区域的眼底图像匹配的预设值；将第一训练样本集合中的第一训练样本的不含有预定类型图像区域的眼底图像作为输入，将与输入的不含有预定类型图像区域的眼底图像匹配的预设值作为期望输出，训练得到深度学习模型。

在一些实施例中，该深度学习模型是通过如下步骤训练得到的：获取第二训练样本集合，其中，第二训练样本包括至少两个不含有预定类型图像区域的第三图像块和与第三图像块匹配的预设值，其中，至少两个不含有预定类型图像区域的第三图像块是通过划分不含有预定类型图像区域的眼底图像得到的；将训练样本集合中的第二训练样本的第三图像块作为输入，将与第三图像块匹配的预设值作为期望输出，训练得到深度学习模型。