[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

说明书

本申请提供了一种基于增量学习的眼底病变图像识别方法和系统，所述方法包括以下步骤：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，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，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，并对所述眼底图像识别机器学习模型进行优化。本申请通过机器学习进行眼底病变图像的识别，并根据最终诊断结果进行增量优化，持续迭代机器学习模型，解决现有眼底病变图像识别方法中模型固化，无法根据诊断结果对神经网络模型进行及时优化更新，导致准确率较差的问题。

技术领域

本申请涉及医学影像识别技术领域，尤其涉及一种基于增量学习的眼底病变图像识别方法和系统。

背景技术

以深度学习为代表的人工智能技术发展迅速，在医学影像诊断领域，利用多层神经网络，能够快速准确地对数据的特征进行有效且准确地识别。目前，深度学习等已经在乳腺癌病理检查、肺癌检测、心血管成像等医学成像领域得到了广泛的研究。

在眼底图像中包括丰富的玻璃体、视网膜和脉络膜等的细节，如果眼底发生相关病变，则会在所获取的眼底图像中呈现出微血管瘤、出血、硬性渗出等病变。如果能够尽早对DR患者进行早期诊断和治疗，则能够有效防止视觉的损失以及失明。现有的针对眼底图像判断的自动识别系统通过神经网络对眼底图片进行识别，能够快速得出判断结果，有效降低医生的工作量，但仍存在一些不足。例如，现有的自动识别系统采用批量学习的方式，来训练一次性获取的数据。传统机器学习遇到新增的数据，就必须对新增数据进行存储，并重新训练机器学习模型，随着数据的规模不断扩大，在训练时间上和存储空间上付出的代价也会愈发严重，导致模型迭代的速度远不及数据更新速度，进一步导致判断结果的准确性不足。

本发明引入了一种基于增量学习的眼底病变图像识别方法和系统，能够根据新生成的诊断结果对神经网络模型进行优化更新，提升判断结果的准确性。

发明内容

本申请提供了一种基于增量学习的眼底病变图像识别方法和系统，以解决现有眼底病变图像识别方法中模型固化，无法根据诊断结果对神经网络模型进行及时优化更新，导致准确率较差的问题。

第一方面，本申请提供了一种基于增量学习的眼底病变图像识别方法，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。

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。

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；