[发明专利]支持读取眼底图像的方法以及装置、包含该装置的系统

说明书

本申请提供支持读取眼底图像的方法以及利用其的装置，所述方法包括以下步骤：基于机器学习模型，从对象的第一眼底图像提取第一属性信息，对所述第一眼底图像映射对抗因子(Adversarial factor)，使所述第一属性信息发生变化，生成具有第二属性信息的第二眼底图像，向外部实体提供具有第一属性信息的第一眼底图像和具有所述第二属性信息的第二眼底图像。

技术领域

本发明涉及支持读取对象的眼底图像的方法以及装置、包含其的支持读取眼底图像的系统。

背景技术

最近随着人工智能学习模型的发展，在读取医疗图像时，利用很多的机器学习模型。例如，卷积神经网络(Convolutional Neural Networks)、深度神经网络(Deep neuralnetworks)、循环神经网络(Reccurent Neural Network)、深度信念网络(Deep BeliefNetworks)之类的学习模型应用在检测(detection)、分类(classification)、特征学习(feature learning)医疗图像。

尤其在医疗领域中，眼底领域也是利用如上所述学习模型用于支持图像的读取(发现/诊断；finding/diagnosis)以预测被检测者的疾病。

作为现有技术，大韩民国专利10-1858321(以下，称为“现有专利”)中记载有支持读取对被检测体的眼底图像的方法以及利用其的计算设备。更加具体为，获取被检测体的眼底图像，基于机器学习模型提取属性信息并提供给诊断人员，此时，属性信息包括眼底图像中包含的多种信息。

然而，即便基于如上所述学习模型提取图像的属性信息，当学习模型中输入的学习信息存在差异时，也会向医护人员之类的实体(entity)提供错误的信息。例如，学习信息的差异可以为学习模型中输入的学习数据的缺乏、图像拍摄环境(例如，体检中心、个人眼科医院、眼科专业综合医院)的差异、群体(例如，仅是正常人、仅是非正常人、正常人和非正常人的混合)的差异、图像拍摄设备的差异等。所述多种原因会导致错误预测被检测者的疾病。

因此，需要与如下有关的方法以及设备，即，即便学习信息中存在差异，也能够对眼底图像进行更加准确的疾病预测以及能够支持疾病预测的说明等。

【现有技术文献】

【专利文献】

大韩民国专利10-1848321号

发明内容

本发明的实施例想要提供支持读取眼底图像的方法、支持读取眼底图像的装置以及包含其的支持读取眼底图像的系统，其能够利用机器学习模型进行支持以能够对利用机器学习模型获得的眼底图像进行更加可靠的眼底图像读取。

本发明的实施例想要提供支持读取眼底图像的方法、支持读取眼底图像的装置以及包含其的支持读取眼底图像的系统，其能够基于眼底图像中显示的眼球的解剖结构，提供眼球的主要器官的位置信息。

本申请的课题不限于以上提及的课题，尚未提及的其他课题可通过以下记载供本领域技术人员明确理解。

根据本发明的一方面，支持读取与对象有关的眼底图像的方法包括：基于机器学习模型，从所述对象的第一眼底图像提取第一属性信息的步骤；对所述第一眼底图像映射对抗因子(Adversarial factor)，使所述第一属性信息发生变化，生成具有第二属性信息的第二眼底图像的步骤；以及向外部实体提供具有所述第一属性信息的第一眼底图像和具有所述第二属性信息的第二眼底图像的步骤。

根据本发明的其他方面，支持读取与对象有关的眼底图像的装置包括：记忆部，存储有对象的第一眼底图像；以及处理器，基于机器学习模型，从所述第一眼底图像提取第一属性信息，对所述第一眼底图像映射对抗因子(Adversarial factor)，使所述第一属性信息发生变化，生成具有第二属性信息的第二眼底图像。