[发明专利]视网膜病变识别设备、装置及存储介质

说明书

本发明涉及人工智能与数字医疗技术，其实施例提供了视网膜病变识别设备、装置及存储介质，该视网膜病变识别设备包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现视网膜病变识别方法，方法包括：获取原始眼底图像；将原始眼底图像输入至目标视网膜病变识别网络，得到由目标视网膜病变识别网络输出的图像级识别结果；将原始眼底图像输入至目标病灶检测网络，得到由目标病灶检测网络输出的像素级病灶识别结果；将图像级识别结果和像素级病灶识别结果输入至目标决策树进行结果修正处理，得到目标决策树输出的视网膜病变识结果。能够有效提高视网膜病变识别的准确率。

技术领域

本发明实施例涉及但不限于人工智能数字医疗技术领域，尤其涉及一种视网膜病变识别设备、装置及存储介质。

背景技术

现有关于视网膜病变识别的方法多集中在单一病种的识别，如青光眼、糖尿病视网膜病变等，然而实际医疗场景中患者可能同时患有多种眼底疾病，因此单一的解决方案在临床应用存在明显的局限性。

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。

本发明实施例的主要目的在于提出一种视网膜病变识别设备、装置及存储介质，能够有效提高视网膜病变识别的准确率。

第一方面，本发明实施例提供了一种视网膜病变识别设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现视网膜病变识别方法，所述方法包括：

获取原始眼底图像；

将所述原始眼底图像输入至目标视网膜病变识别网络，得到由所述目标视网膜病变识别网络输出的图像级识别结果；

将所述原始眼底图像输入至目标病灶检测网络，得到由所述目标病灶检测网络输出的像素级病灶识别结果；

将所述图像级识别结果和所述像素级病灶识别结果输入至目标决策树进行结果修正处理，得到所述目标决策树输出的视网膜病变识结果，所述目标决策树由所述图像级识别结果和所述像素级病灶识别结果所构建得到。

在一实施例中，所述将所述原始眼底图像输入至目标视网膜病变识别网络，得到由所述目标视网膜病变识别网络输出的图像级识别结果之前，所述处理器执行的所述方法包括：

将所述原始眼底图像输入至黄斑视盘区域提取网络进行第一阶段训练，得到目标黄斑视盘区域提取网络；

将所述原始眼底图像输入至所述目标黄斑视盘区域提取网络，得到黄斑区定位图像和视盘区定位图像；

将所述黄斑区定位图像、所述视盘区定位图像和所述原始眼底图像分别输入至黄斑区病变识别网络分支、视盘区病变识别网络分支以及其他视网膜病变识别网络分支进行第二阶段训练，得到目标黄斑区病变识别网络分支、目标视盘区病变识别网络分支以及目标其他视网膜病变识别网络分支；

根据所述目标黄斑区病变识别网络分支、所述目标视盘区病变识别网络分支以及所述目标其他视网膜病变识别网络分支得到目标视网膜病变识别网络。

在一实施例中，所述处理器执行的所述将所述原始眼底图像输入至目标视网膜病变识别网络，得到由所述目标视网膜病变识别网络输出的图像级识别结果的方法包括：

将所述原始眼底图像输入至所述目标黄斑视盘区域提取网络，得到黄斑区定位图像和视盘区定位图像；

将所述黄斑区定位图像、所述视盘区定位图像和所述原始眼底图像分别输入至所述目标黄斑区病变识别网络分支、所述目标视盘区病变识别网络分支以及所述目标其他视网膜病变识别网络分支，得到图像级识别结果，所述图像级识别结果包括黄斑区病变识别结果、视盘区病变识别结果和整体视网膜病变识别结果。