[发明专利]图像特征的识别方法和装置、存储介质、电子装置

说明书

本发明公开了一种图像特征的识别方法和装置、存储介质、电子装置。其中，该方法包括：获取识别请求，识别请求用于请求对目标图片中的图像特征进行识别；通过第一神经网络模型对目标图片中的图像特征进行识别，其中，第一神经网络模型是通过第一训练集合和第二训练集合对第二神经网络模型中的参数进行训练后得到的，第一训练集合中训练图片的图像特征已经被标记、且第二训练集合中训练图片的图像特征未被标记；返回第一神经网络模型的第一识别结果，其中，第一识别结果至少用于指示在目标图片中识别出的图像特征(如病变特征)。本发明解决了相关技术中对糖尿病视网膜病变的筛查效率较低的技术问题。

技术领域

本发明涉及互联网领域，具体而言，涉及一种图像特征的识别方法和装置、存储介质、电子装置。

背景技术

糖尿病性视网膜病变(DR)是糖尿病性微血管病变中最重要的表现，是一种具有特异性改变的眼底病变，是糖尿病的严重并发证之一。包括非增殖性糖尿病性视网膜病变(NPDR)(或称单纯型或背景型)和增殖性糖尿病性视网膜病变(PDR)等类型。据世界卫生组织(WHO)预测，到2030年，全球DR患者人数将增加到3.66亿，己成为四大致盲眼病之一，糖网病防治将成为一个严重的世界性问题。

研究表明，对DR患者进行早期诊断和治疗能有效防止视觉的损失以及失明，而防治的关键则是通过眼底照相检查，定期随访发现病情的进展，及时进行激光干预治疗。但是目前世界上超过50％的糖尿病患者没有接受任何形式的眼部检查，基于眼底影像的糖尿病视网膜病变的筛查工作基本还是依靠眼科医生的肉眼观察进行。

但当面临大规模筛查时，需要医生分析和处理的数据量非常大，人工判读方法既费时又费力，人工筛查无法实施。而且人工筛查主观性强，数据分析复杂并且难以量化，很难做到定量随访。

针对相关技术中对糖尿病视网膜病变的筛查效率较低的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像特征的识别方法和装置、存储介质、电子装置，以至少解决相关技术中对糖尿病视网膜病变的筛查效率较低的技术问题。

根据本发明实施例的一个方面，提供了一种图像特征的识别方法，该方法包括：获取识别请求，其中，识别请求用于请求对目标图片中的图像特征进行识别；通过第一神经网络模型对目标图片中的图像特征进行识别，其中，第一神经网络模型是通过第一训练集合和第二训练集合对第二神经网络模型中的参数进行训练后得到的，第一训练集合中训练图片的图像特征已经被标记、且第二训练集合中训练图片的图像特征未被标记；返回第一神经网络模型的第一识别结果，其中，第一识别结果至少用于指示在目标图片中识别出的图像特征，使用第一训练集合训练后的第一神经网络模型用于识别第二训练集合中的训练图片的图像特征，第二训练集合中被识别出图像特征的训练图片用于继续训练第一神经网络模型。

根据本发明实施例的另一方面，还提供了一种图像特征的识别装置，该装置包括：获取单元，用于获取识别请求，其中，识别请求用于请求对目标图片中的图像特征进行识别；识别单元，用于通过第一神经网络模型对目标图片中的图像特征进行识别，其中，第一神经网络模型是通过第一训练集合和第二训练集合对第二神经网络模型中的参数进行训练后得到的，第一训练集合中训练图片的图像特征已经被标记、且第二训练集合中训练图片的图像特征未被标记；返回单元，用于返回第一神经网络模型的第一识别结果，其中，第一识别结果至少用于指示在目标图片中识别出的图像特征，使用第一训练集合训练后的第一神经网络模型用于识别第二训练集合中的训练图片的图像特征，第二训练集合中被识别出图像特征的训练图片用于继续训练第一神经网络模型。

根据本发明实施例的另一方面，还提供了一种存储介质，该存储介质包括存储的程序，程序运行时执行上述的方法。

根据本发明实施例的另一方面，还提供了一种电子装置，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，处理器通过计算机程序执行上述的方法。