[发明专利]模型训练方法、眼底图像生成方法、模型评估方法及装置

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取第一训练集，其中，所述第一训练集中包括多个样本眼底图像；

生成各样本眼底图像的血管分割图，其中，所述血管分割图为二值图；

对于每个样本眼底图像，将样本眼底图像中各像素点RGB三通道的像素值与其血管分割图中对应位置像素点的像素值进行合并处理，得到四通道的图像；

将所述四通道的图像输入至预先构建的初始网络模型中，进行模型训练，得到目标网络模型，其中，所述初始网络模型的网络超参数至少包括引导强度，所述引导强度用于启发网络模型基于四通道的图像中的血管信息生成新的眼底图像中的血管，所述目标网络模型用于生成新的眼底图像。

2.根据权利要求1所述的方法，其特征在于，所述初始网络模型为基于生成式对抗网络GAN构建的网络模型。

3.根据权利要求1或2所述的方法，其特征在于，所述血管分割图中每个像素点的像素值为0或1；

所述四通道的图像中每个像素点的像素值为[r,g,b,m*s*U]，其中，r为样本眼底图像中像素点的R通道的像素值，g为G通道的像素值，b为B通道的像素值，m为血管分割图中对应位置像素点的像素值，s为所述引导强度，U为255。

4.一种眼底图像生成方法，用于基于权利要求1至3中任一项所述的目标网络模型生成新的眼底图像，其特征在于，所述方法包括：

接收原始眼底图像；

生成所述原始眼底图像的血管分割图；

将所述原始眼底图像中各像素点RGB三通道的像素值与其血管分割图中对应位置像素点的像素值进行合并处理，得到四通道的第一图像；

将所述第一图像输入至目标网络模型中进行处理，得到四通道的第二图像；

基于所述第二图像中像素点的RGB通道信息，生成新的眼底图像。

5.一种模型评估方法，用于对权利要求1至3中任一项所述的目标网络模型的性能进行评估，其特征在于，所述方法包括：

获取第二训练集和合成图像集，其中，所述第二训练集中包括多个样本眼底图像，所述合成图像集中包括多个眼底图像，所述合成图像集中的眼底图像是基于所述第二训练集和目标网络模型所生成的新的眼底图像；

将所述第二训练集中的各样本眼底图像，分别输入至预先训练的多病种分类模型中进行处理，得到各样本眼底图像属于各病种的概率分布；以及将所述合成图像集中的各眼底图像，分别输入至所述多病种分类模型中进行处理，得到各眼底图像属于各病种的概率分布；

根据所述第二训练集中各样本眼底图像属于各病种的概率分布和所述合成图像集中各眼底图像属于各病种的概率分布，计算所述第二训练集与所述合成图像集在病种概率分布维度下的相似度；

根据所述相似度，对所述目标网络模型的性能进行评估。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第二训练集中各样本眼底图像属于各病种的概率分布和所述合成图像集中各眼底图像属于各病种的概率分布，计算所述第二训练集与所述合成图像集在病种概率分布维度下的相似度，包括：

根据所述第二训练集中各样本眼底图像属于各病种的概率分布和所述合成图像集中各眼底图像属于各病种的概率分布，计算所述第二训练集与所述合成图像集在每个病种维度下的JS散度值；

根据所述第二训练集与所述合成图像集在每个病种维度下的JS散度值，计算所述第二训练集与所述合成图像集在病种概率分布维度下的相似度。