[发明专利]一种眼底图像的处理方法及装置

权利要求书

1.一种眼底图像的处理方法，其特征在于，包括：

对采集到的单张眼底图像进行预处理；

将经过预处理后的单张眼底图像输入至预训练过的神经网络中；

所述神经网络中的卷积层获取图像特征，将所述图像特征输入至改造后的所述神经网络的全连接层；

所述全连接层包括第一分支和第二分支，分别输出第一分值和第二分值；

根据所述第一分值和所述第二分值输出处理结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：所述第一分值为2×1的向量值；所述第二分值为N×1(N≥2)的向量值；所述向量值中的每一维均为预测分值；

所述根据所述第一分值和所述第二分值输出处理结果，具体包括：根据所述第一分值的向量值和所述第二分值的向量值中的预测分值输出处理结果。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：当所述输出结果出现矛盾时，选择所述第一分值和所述第二分值的向量值中的最大预测分值，并根据所述最大预测分值输出处理结果。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：将经过预处理后的单张眼底图像进行图像质量判断，当所述眼底图像质量符合预设条件时，输入至预训练过的神经网络中。

5.一种神经网络训练方法，其特征在于，包括：

将预处理后的单张眼底图像及对应的处理结果作为样本数据输入神经网络；

使所述神经网络中的卷积层使用所述样本数据进行训练，识别所述单张眼底图像中的图像特征；

使所述神经网络中的全连接层的第一分支和第二分支使用所述图像特征和所述样本数据进行训练，获得第一分值和第二分值；

根据所述图像特征、所述第一分值和第二分值建立所述单张眼底图像与所述对应的处理结果的关联模型，得到训练后所述神经网络。

6.根据权利了要求5所述的方法，其特征在于，所述方法还包括：使用第一损失函数对所述第一分支进行训练，使用第二损失函数对所述第二分支进行训练，并对所述第一损失函数和第二损失函数进行加权处理。

7.根据权利要求6所述的方法，其特征在于，所述第一损失函数用于解决多分类问题的损失函数；所述第二损失函数用于解决多标签问题的损失函数。

8.根据权利要求7所述的方法，其特征在于，

所述第一损失函数为：

所述第二损失函数为：

通过加权函数对所述第一损失函数和第二损失函数进行加权处理；其中，y是正确答案，是所述神经网络训练得到的答案，是sigmoid函数，w1和w2为权重。

9.一种眼底图像的处理装置，其特征在于，包括：

预处理模块，用于对采集到的单张眼底图像进行预处理；

输入模块，用于将经过预处理后的单张眼底图像输入至预训练过的神经网络中；

获取图像特征模块，用于所述神经网络中的卷积层获取图像特征，将所述图像特征输入至改造后的所述神经网络的全连接层；

第一输出模块，用于所述全连接层包括第一分支和第二分支，分别输出第一分值和第二分值；

第二输出模块，用于根据所述第一分值和所述第二分值输出处理结果。

10.一种神经网络训练装置，其特征在于，包括：

样本输入模块，用于将预处理后的单张眼底图像及对应的处理结果作为样本数据输入神经网络；

第一训练模块，用于使所述神经网络中的卷积层使用所述样本数据进行训练，识别所述单张眼底图像中的图像特征；

第二训练模块，用于使所述神经网络中的全连接层的第一分支和第二分支使用所述图像特征和所述样本数据进行训练，获得第一分值和第二分值；

模型建立模块，用于根据所述图像特征、所述第一分值和第二分值建立所述单张眼底图像与所述对应的处理结果的关联模型，得到训练后所述神经网络。