[发明专利]一种左右眼分类方法、装置、服务器和存储介质

说明书

本发明提供一种左右眼分类方法，包括：获取被测者的眼球AS‑OCT图像；将所述眼球AS‑OCT图像输入预设的左右眼分类模型，输出分类结果；基于分类结果判定被测者的眼球为左眼还是右眼。本发明通过将眼球AS‑OCT图像使用左右眼分类模型进行识别分类，快速判定AS‑OCT图像属于左眼还是右眼，提高了左右眼识别的精度和效率。

技术领域

本发明实施例涉及计算机图像处理和神经网络学习领域，尤其涉及一种左右眼分类方法、装置、服务器和存储介质。

背景技术

前节光学断层相干扫描(AS-OCT)图像用于眼部疾病的早期筛查，以预防视力丧失，当前常用的眼前节角结构可视化方法有角膜镜检查、超声生物显微镜(UBM)和光学相干断层扫描技术(OCT)。但是，只有UBM和OCT才能获得客观且可重复的前房角尺寸测量结果。在眼科诊疗过程中，医生往往需要将该病人当前的左眼或者右眼图像与其历史左眼或右眼图像数据进行比对，以观察相关疾病的细微变化。

由于相关数据缺乏左右眼的高效分类整理手段，通常还是依靠医生人工比对AS-OCT图像，此项任务存在工作量大、效率低下、易出错以及费时等缺点。

发明内容

本发明提供了一种左右眼分类方法、装置、服务器和存储介质，通过神经网络模型实现对左右眼的分类，效率高、准确率高和节省时间的效果。

第一方面，本发明提供了一种左右眼分类方法，包括：

获取被测者的眼球AS-OCT图像；

将所述眼球AS-OCT图像输入预设的左右眼分类模型，输出分类结果；

基于分类结果判定被测者的眼球为左眼还是右眼。

进一步地，所述左右眼分类模型包括依次连接的卷积特征提取层和全连接层，所述卷积特征提取层包括关键区域分支和全局区域分支，所述全局区域分支包括注意力模块。

进一步地，所述注意力模块包括通道注意力提取层和空间注意力提取层。

进一步地，所述左右眼分类模型的训练方法包括：

获取训练集，所述训练集为预存的眼球AS-OCT图像及对应的左右眼判定结果；

将所述训练集代入预设的第一分类模型进行参数调节，以生成第二分类模型；

将所述训练集代入所述第二分类模型，以获取第一全局图像特征；

将所述第一全局图像特征代入所述注意力模块，以生成注意力分布图；

基于所述注意力分布图确定所述关键区域；

基于所述关键区域和第二分类模型构建所述左右眼分类模型。

进一步地，所述将所述眼球AS-OCT图像输入预设的左右眼分类模型，输出分类结果，包括：

将所述眼球AS-OCT图像作为全局图像，基于所述全局图像生成关键区域图像；

将所述全局图像输入所述卷积特征提取层，生成第二全局图像特征；

同时，将所述关键区域图像输入所述卷积特征提取层，生成关键区域图像特征；

将所述第二全局图像特征和所述关键区域图像特征输入全连接层，生成分类结果。

第二方面，本发明提供一种基于神经网络的左右眼分类装置，包括：

获取模块，用于获取被测者的眼球AS-OCT图像；

计算模块，用于将所述眼球AS-OCT图像输入预设的左右眼分类模型，输出分类结果；

判定模块，用于基于分类结果判定被测者的眼球为左眼还是右眼。