[发明专利]眼底图像识别方法、装置、设备、存储介质以及程序产品

说明书

本申请公开了眼底图像识别方法、装置、设备、存储介质以及程序产品，涉及计算机视觉、深度学习、智慧医疗等人工智能技术领域。该方法的一具体实施方式包括：获取眼底图像中的眼底病灶的位置、黄斑中心凹的位置、视网膜的病变等级和黄斑区的病变概率值；基于眼底病灶的位置、黄斑中心凹的位置、视网膜的病变等级和黄斑区的病变概率值，建立每个特征与黄斑区病变类型的相关性；基于每个特征与黄斑区病变类型的相关性进行特征筛选；将筛选出的特征输入至预先训练出的黄斑区分类决策树，得到黄斑区的类别。该实施方式利用计算机辅助眼底图像识别，大大降低了人力成本。

技术领域

本申请涉及计算机技术领域，具体涉及计算机视觉、深度学习、智慧医疗等人工智能技术领域，尤其涉及眼底图像识别方法、装置、设备、存储介质以及程序产品。

背景技术

糖尿病视网膜病变(Diabetic Retinopathy，DR)是指由糖尿病引起视网膜血管壁受损，导致视网膜上出现微血管瘤、硬渗和出血等病灶，使视觉功能下降，是主要致盲疾病之一。糖尿病性黄斑水肿(diabetic macular edema，DME)是导致糖尿病患者视力损害的常见原因，指由于糖尿病引起的黄斑中心凹一个视盘直径(papillary diameter，PD)范围内的细胞外液积聚所致的视网膜增厚或硬性渗出沉积。

目前，根据眼底图像进行DME的自动分类，其方法为根据早期治疗性糖尿病视网膜病变研究分级量表，将黄斑中央凹定位并标记黄斑区域，以及采用人工标记提取方法提取硬渗，并且标记提取物在黄斑区域上的位置，以将糖尿病性黄斑水肿分类为正常、1期和2期糖尿病性黄斑水肿。然而，对糖尿病性黄斑水肿分类，如果完全依赖医生是十分耗时耗力的，并且眼科医生人员匮乏。

发明内容

本申请提供了一种眼底图像识别方法、装置、设备、存储介质以及程序产品。

根据本申请的第一方面，提供了一种眼底图像识别方法，包括：获取眼底图像中的眼底病灶的位置、黄斑中心凹的位置、视网膜的病变等级和黄斑区的病变概率值；基于眼底病灶的位置、黄斑中心凹的位置、视网膜的病变等级和黄斑区的病变概率值，建立每个特征与黄斑区病变类型的相关性；基于每个特征与黄斑区病变类型的相关性进行特征筛选；将筛选出的特征输入至预先训练出的黄斑区分类决策树，得到黄斑区的类别。

根据本申请的第二方面，提供了一种眼底图像识别装置，包括：获取模块，被配置成获取眼底图像中的眼底病灶的位置、黄斑中心凹的位置、视网膜的病变等级和黄斑区的病变概率值；建立模块，被配置成基于眼底病灶的位置、黄斑中心凹的位置、视网膜的病变等级和黄斑区的病变概率值，建立每个特征与黄斑区病变类型的相关性；筛选模块，被配置成基于每个特征与黄斑区病变类型的相关性进行特征筛选；分类模块，被配置成将筛选出的特征输入至预先训练出的黄斑区分类决策树，得到黄斑区的类别。

根据本申请的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

根据本申请的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据如第一方面中任一实现方式描述的方法。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请的眼底图像识别方法的一个实施例的流程图；

图2是眼底病灶的示意图；