[发明专利]一种视网膜病变图像类型识别方法、装置和存储介质

说明书

本发明实施例公开了一种视网膜病变图像类型识别方法、装置和存储介质；本发明实施例可以采集国际分期样本集和国内分期样本集，然后，根据该国际分期样本集对预设国际分期模型进行训练，并采用训练后国际分期模型对国内分期样本集进行计算，得到国际分期模型中每个卷积层的输出向量，再然后，根据该国内分期样本集和输出向量对预设国内分期模型进行训练，并基于训练后国内分期模型对待识别眼底图像进行视网膜病变类型识别；该方案可以在提高处理效率的同时，提高识别的准确率，且使得该准确率具有一定稳定性。

技术领域

本发明涉及通信技术领域，具体涉及一种视网膜病变图像类型识别方法、装置和存储介质。

背景技术

糖尿病视网膜病变(DR)是糖尿病最常见的微血管并发症之一，也是成年人低视力和盲的主要原因，它严重影响着全球成千上万人的生活质量。糖尿病视网膜病变迄今尚无有效的治愈方法，早期发现早期治疗对延缓其进展至关重要，因此，根据视网膜病变的严重程度进行分类，并准确识别其病变类型，对于后期的诊治十分有必要。

对于视网膜病变程度，现有存在有多种分类方式，其中，国际分类方式(国际分期)主要可以分为5类，分别为正常、温和非增值性(Mild NPDR)、中度非增值性(ModerateNPDR)、重度非增值性(Severe NPDR)和增值性(PDR)；中国分类方式(国内分期)主要分为7类，分别为正常、Ⅰ期、II期、III期、IV期(增生早期)、V期(纤维增生期)和VI期(增生晚期)。传统对于视网膜病变类型的识别，一般都是由医生根据经验，通过查看患者的眼底彩色扫描照片来进行判断，其准确性受医生水平影响较大，且十分费时费力。为此，现有又提出一种基于人工定义的特征来对病变类型进行识别的方案，例如，具体可以根据人工定义的特征如微血瘤、血管轮廓和渗出等，利用预设算法来对患者的眼底彩色扫描照片进行匹配，并根据匹配结果来确定其病变类型。

在对现有技术的研究和实践过程中，本发明的发明人发现，由于需要人工进行定义，因此，处理效率较低，而且，由于人工定义的特征具有局限性，且算法较为固定，所以识别准确率也较低，且不稳定。

发明内容

本发明实施例提供一种视网膜病变图像类型识别方法、装置和存储介质，可以在提高处理效率的同时，提高识别的准确率，且使得该准确率具有一定稳定性。

本发明实施例提供一种视网膜病变图像类型识别方法，包括：

采集国际分期样本集和国内分期样本集；

根据所述国际分期样本集对预设国际分期模型进行训练，得到训练后国际分期模型，所述国际分期模型至少包括多个卷积层；

采用所述训练后国际分期模型对所述国内分期样本集进行计算，得到国际分期模型中每个卷积层的输出向量；

根据所述国内分期样本集和输出向量对预设国内分期模型进行训练，得到训练后国内分期模型；

基于训练后国内分期模型对待识别眼底图像进行视网膜病变类型识别。

相应的，本发明实施例还提供一种视网膜病变图像类型识别装置，包括：

采集单元，用于采集国际分期样本集和国内分期样本集；

国际训练单元，用于根据所述国际分期样本集对预设国际分期模型进行训练，得到训练后国际分期模型，所述国际分期模型至少包括多个卷积层；

迁移学习单元，用于采用所述训练后国际分期模型对所述国内分期样本集进行计算，得到国际分期模型中每个卷积层的输出向量；

国内训练单元，用于根据所述国内分期样本集和输出向量对预设国内分期模型进行训练，得到训练后国内分期模型；

识别单元，用于基于训练后国内分期模型对待识别眼底图像进行视网膜病变类型识别。