[发明专利]图像处理方法、装置、设备和存储介质

说明书

本公开提供了一种图像处理方法，涉及人工智能领域，尤其涉及计算机视觉和智慧医疗领域。实现方案为获取眼底图像，眼底图像包括关于黄斑区域的位置的信息；以及将眼底图像输入至眼底检测模型，眼底检测模型包括主干网络、弱监督网络分支和监督网络分支，弱监督网络分支和监督网络分支均与主干网络级联，眼底检测模型经由主干网络和弱监督网络分支处理眼底图像，能够输出眼底图像的黄斑区域注意力图，并且眼底检测模型经由主干网络和监督网络分支处理眼底图像而输出眼底图像的黄斑区域的异常概率。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉和智慧医疗，具体涉及一种图像处理的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

基于人工智能技术和图像处理技术对眼底黄斑区域异常进行筛查是智慧医疗领域中的研究重点之一。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种图像处理的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种图像处理方法，包括：获取眼底图像，眼底图像包括关于黄斑区域的位置的信息；以及将眼底图像输入至眼底检测模型，眼底检测模型包括主干网络、弱监督网络分支和监督网络分支，弱监督网络分支和监督网络分支均与主干网络级联，眼底检测模型经由主干网络和弱监督网络分支处理眼底图像，能够输出眼底图像的黄斑区域注意力图，并且眼底检测模型经由主干网络和监督网络分支处理眼底图像而输出眼底图像的黄斑区域的异常概率。

根据本公开的另一方面，提供了一种模型训练方法，包括：获取眼底图像样本集，眼底图像样本集包括第一样本集，第一样本集中的每个眼底图像包括关于黄斑区域的位置的信息；获取预训练的眼底检测模型，预训练的眼底检测模型包括主干网络、弱监督网络分支和监督网络分支，弱监督网络分支和监督网络分支均与主干网络级联；以及将眼底图像样本集输入到预训练的眼底检测模型，以对预训练的眼底检测模型进行训练，预训练的眼底检测模型经由主干网络和弱监督网络分支处理第一样本集中的每个眼底图像，输出眼底图像的黄斑区域注意力图。

根据本公开的另一方面，提供了一种图像处理装置：包括获取模块，被配置为获取眼底图像，眼底图像包括关于黄斑区域的位置的信息；以及检测模块，被配置为将眼底图像输入至眼底检测模型，眼底检测模型包括主干网络、弱监督网络分支和监督网络分支，弱监督网络分支和监督网络分支均与主干网络级联，眼底检测模型经由主干网络和弱监督网络分支处理眼底图像，能够输出眼底图像的黄斑区域注意力图，并且眼底检测模型经由主干网络和监督网络分支处理眼底图像而输出眼底图像的黄斑区域的异常概率。

根据本公开的另一方面，提供了一种模型训练装置：包括第一获取模块，被配置为获取眼底图像样本集，眼底图像样本集包括第一样本集，第一样本集中的每个眼底图像包括关于黄斑区域的位置的信息；第二获取模块，被配置为获取预训练的眼底检测模型，预训练的眼底检测模型包括主干网络、弱监督网络分支和监督网络分支，弱监督网络分支和监督网络分支均与主干网络级联；以及训练模块，被配置为将眼底图像样本集输入到预训练的眼底检测模型，以对预训练的眼底检测模型进行训练，预训练的眼底检测模型经由主干网络和弱监督网络分支处理第一样本集中的每个眼底图像，输出眼底图像的黄斑区域注意力图。

根据本公开的一个或多个实施例，可以提升判断黄斑区域异常的准确率。