[发明专利]眼底图像分类方法、装置及计算机可读存储介质

权利要求书

1.一种眼底图像分类方法，其特征在于，包括：

获得眼底图像、以及所述眼底图像中所包括的眼球的类别；

调整所述眼底图像的显示参数满足取值条件；

根据所述显示参数的分布需要满足的分布条件，对所述眼底图像的所述显示参数进行变换获得新图像，其中，所述分布条件是指针对不同的所述显示参数预先设置的需要满足的条件，所述分布条件的类型包括以下至少之一：平均分布、随机分布、高斯分布；

基于调整后的所述眼底图像和所述新图像构造的训练集、以及所包括眼球的类别，训练组合神经网络模型；

利用训练后的所述组合神经网络模型从至少两个眼球的待预测眼底图像中对应提取图像特征；

将所提取的图像特征级联，并进行降采样处理；

将降采样处理的图像特征，分别映射到所述至少两个眼球属于不同类别的概率；所述类别为以下之一：正常、温和非增值性、中度非增值性、重度非增值性及增值性。

2.如权利要求1所述的眼底图像分类方法，其特征在于，所述训练组合神经网络模型，包括：

初始化神经网络模型；

根据所述眼底图像中所包含的至少两个眼球，初始化与所述神经网络模型顺序连接的级联层、全连接层、以及与所述眼球对应的分类层，得到用于对所述待预测眼底图像分类的组合神经网络模型；

将所述训练集包括的图像以及对应的类别输入所述组合神经网络模型进行迭代训练，直至损失函数满足收敛条件。

3.如权利要求1所述的眼底图像分类方法，其特征在于，所述调整所述眼底图像的显示参数满足取值条件，包括：

检测所述眼底图像中所包括眼球的成像区域；

调整所述眼底图像的尺寸，直至所述眼底图像所包括眼球的成像区域的尺寸一致。

4.如权利要求1所述的眼底图像分类方法，其特征在于，所述调整所述眼底图像的显示参数满足取值条件，包括：

基于所述眼底图像需要满足的识别度，对所述眼底图像的各个颜色通道进行图像增强处理。

5.如权利要求1所述的眼底图像分类方法，其特征在于，所述调整所述眼底图像的显示参数满足取值条件，包括：

对所述眼底图像中眼球的未成像区域进行裁剪；

调整裁剪后的图像符合预设尺寸。

6.如权利要求1所述的眼底图像分类方法，其特征在于，所述根据显示参数的分布需要满足的分布条件，对所述眼底图像的显示参数进行变换获得新图像，包括：

根据所述眼底图像的至少一种类别的显示参数所处的取值空间、以及在所述取值空间所满足的分布条件，确定根据所述眼底图像的显示参数相较于所述分布条件所缺失的显示参数；

将所述眼底图像的显示参数向所述缺失的显示参数进行变换得到新图像。

7.一种眼底图像分类装置，其特征在于，包括：

获取模块，用于获得眼底图像、以及所述眼底图像中所包括的眼球的类别；

调整模块，用于调整所述眼底图像的显示参数满足取值条件；

变换模块，用于根据所述显示参数的分布需要满足的分布条件，对所述眼底图像的所述显示参数进行变换获得新图像，其中，所述分布条件是指针对不同的所述显示参数预先设置的需要满足的条件，所述分布条件的类型包括以下至少之一：平均分布、随机分布、高斯分布；

训练模块，用于基于调整后的所述眼底图像和所述新图像构造的训练集、以及所包括眼球的类别，训练组合神经网络模型；

预测模块，用于利用训练后的所述组合神经网络模型从至少两个眼球的待预测眼底图像中对应提取图像特征；将所提取的图像特征级联，并进行降采样处理；将降采样处理的图像特征，分别映射到所述至少两个眼球属于不同类别的概率；所述类别为以下之一：正常、温和非增值性、中度非增值性、重度非增值性及增值性。