[发明专利]一种基于增量学习的眼底病变图像识别方法和系统

权利要求书

1.一种基于增量学习的眼底病变图像识别方法，其特征在于，包括以下步骤：

获取被检测目标的眼底图像；

对所述眼底图像进行预处理，得到所述眼底图像的特征值；

将所述特征值作为输入提供给眼底图像识别机器学习模型，其中，所述眼底图像识别机器学习模型被配置为根据所述特征值，通过基础模型参数集合得到眼底识别判断结果；

将所述眼底识别判断结果输出给用户；

判断用户是否手动调整所述眼底识别判断结果；

若用户未调整所述眼底识别判断结果，将所述眼底识别判断结果作为最终诊断结果输出；

若用户调整所述眼底识别判断结果，将调整后的眼底识别判断结果作为最终诊断结果输出，并根据所述最终诊断结果对所述眼底图像识别机器学习模型进行优化。

2.根据权利要求1所述的基于增量学习的眼底病变图像识别方法，其特征在于，对所述眼底图像进行预处理，具体包括如下步骤：

对所述眼底图像进行尺寸剪裁和像素调整；

对所述眼底图像进行归一化处理；

对所述眼底图像进行区域检测，得到特征值。

3.根据权利要求1所述的基于增量学习的眼底病变图像识别方法，其特征在于，根据所述最终诊断结果对所述眼底图像识别机器学习模型进行优化，具体包括：

根据所述最终诊断结果和对应的眼底图像，输入增量模型参数集合进行训练，得到优化增量模型参数集合；

将所述优化增量参数模型集合输入所述眼底图像识别机器学习模型；

利用梯度相加将基础模型参数集合和所述优化增量模型参数集合组合，完成对所述眼底图像识别机器学习模型优化。

4.根据权利要求3所述的基于增量学习的眼底病变图像识别方法，其特征在于，所述增量模型参数集合为通过对典型眼底图像提取特征训练得到；

所述典型眼底图像为存储在服务器中的特征明显的眼底图像样本。

5.根据权利要求1所述的基于增量学习的眼底病变图像识别方法，其特征在于，所述眼底图像为彩色图像或灰度图像。

6.根据权利要求1所述的基于增量学习的眼底病变图像识别方法，其特征在于，所述眼底图像识别机器学习模型为神经网络。

7.根据权利要求1所述的基于增量学习的眼底病变图像识别方法，其特征在于，所述基础模型参数集合为通过对存量眼底图像提取特征训练得到；

所述存量眼底图像为存储在服务器中的现有可用的眼底图像样本。

8.一种基于增量学习的眼底病变图像识别系统，其特征在于，包括：图像获取单元、图像处理单元、结果识别单元、结果输出单元以及模型优化单元；

所述图像获取单元被配置为获取被检测目标的眼底图像；

所述图像处理单元被配置为对所述眼底图像进行预处理，得到所述眼底图像的特征值；

所述结果识别单元被配置为将所述特征值作为输入提供给眼底图像识别机器学习模型，其中，所述眼底图像识别机器学习模型被配置为根据所述特征值，通过基础模型参数集合得到眼底识别判断结果作为输出；

所述结果输出单元被配置为将所述眼底识别判断结果输出给用户；

所述模型优化单元被配置为判断用户是否手动调整所述眼底识别判断结果；

若用户未调整所述眼底识别判断结果，将所述眼底识别判断结果作为最终诊断结果输出；

若用户调整所述眼底识别判断结果，将调整后的眼底识别判断结果最为最终诊断结果输出，并根据所述最终诊断结果对所述眼底图像识别机器学习模型进行优化。

9.根据权利要求8所述的基于增量学习的眼底病变图像识别系统，其特征在于，所述图像处理单元包括图像调整模块、归一化处理模块和区域检测模块；

图像调整模块被配置为对所述眼底图像进行尺寸剪裁和像素调整；

归一化处理模块被配置为对所述眼底图像进行归一化处理；

区域检测模块被配置为对所述眼底图像进行区域检测，得到特征值。

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7中任一项所述的方法。