[发明专利]眼底图像训练方法、增强方法及相关装置

说明书

本发明公开了一种眼底图像训练方法、增强方法及相关装置，应用于医学图像处理领域，该眼底图像训练方法包括获取眼底图像训练集；将低质量训练眼底图像通过生成器网络，得到预测高质量眼底图像；将高质量训练眼底图像与预测高质量眼底图像通过判别器网络，得到判别矩阵；根据预测高质量眼底图像、高质量训练眼底图像和判别矩阵，计算损失函数值；根据损失函数值对生成器网络和判别器网络进行迭代优化，并将优化后的生成器网络作为眼底图像训练模型。低质量眼底图像能够通过眼底图像训练模型直接生成高质量眼底图像，此过程减少了采集眼底图像的次数，有效避免了对患者眼睛造成不必要的伤害。

技术领域

本发明涉及医学图像处理领域，尤其涉及一种眼底图像训练方法、增强方法及相关装置。

背景技术

眼底图像检测是目前眼科疾病筛查最主要的手段之一。医生可以从眼底图像中初步诊断出是否患有常见眼科疾病，如病理性近视、青光眼、糖尿病视网膜病变、白内障等。清晰的眼底图像可以帮助医生快速准确的诊断，从一定程度上也避免了误诊的发生。然而，在实际眼底图像采集过程中，尤其是对幼儿的眼底采集过程中，由于光照不足、曝光过度、眼球位移等原因，眼底图像会出现虚焦模糊、运动模糊、过曝过暗等退化类型。想要采集得到清晰可用的眼底图像，往往要重复数十次，这不仅极大的影响了医院的诊断效率，同时重复多次对眼球的曝光拍摄也会对患者的眼睛造成不必要的伤害。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

第一方面，本发明提供一种眼底图像训练方法，包括：

获取眼底图像训练集，其中，所述眼底图像训练集包括多组训练眼底图像，每组所述训练眼底图像包括低质量训练眼底图像和对应的高质量训练眼底图像；

将所述低质量训练眼底图像通过生成器网络，得到预测高质量眼底图像；

将所述高质量训练眼底图像与所述预测高质量眼底图像通过判别器网络，得到判别矩阵；

根据所述预测高质量眼底图像、所述高质量训练眼底图像和所述判别矩阵，计算损失函数值；

根据所述损失函数值对所述生成器网络和所述判别器网络进行迭代优化，并将优化后的所述生成器网络作为眼底图像训练模型。

根据本发明第一方面实施例提供的眼底图像训练方法，至少具有如下有益效果：将眼底图像训练集通过生成器网络和判别器网络，得到损失函数值，并根据损失函数值对生成器网络和判别器网络进行迭代优化，其中，生成器网络能够得到预测高质量眼底图像，判别器网络用于判别预测高质量眼底图像的真实性，迭代优化能够提高生成器网络和判别器网络的性能，改善预测高质量眼底图像的质量，使得模糊不清的眼底图像清晰化，此外，低质量眼底图像能够通过迭代优化得到的眼底图像训练模型直接生成高质量眼底图像，此过程减少了采集眼底图像的次数，有效避免了对患者眼睛造成不必要的伤害。

根据本发明第一方面的一些实施例，还包括：

所述将所述低质量训练眼底图像通过生成器网络，得到预测高质量眼底图像之前，包括：

对所述低质量训练眼底图像进行预处理，并将预处理的结果更新为低质量训练眼底图像。

根据本发明第一方面的一些实施例，所述将所述低质量训练眼底图像通过生成器网络，得到预测高质量眼底图像，包括：

将所述低质量训练眼底图像通过输入投影层，得到第一特征图；

将所述第一特征图通过多个第一采样模块，得到第二特征图，其中，所述第一采样模块包括多个局部transformer层和一个下采样层；

将所述第二特征图通过多个局部transformer层，得到第三特征图；