[发明专利]一种白内障模型的训练方法及白内障识别方法

权利要求书

1.一种白内障识别模型的训练方法，其特征在于，包括：

获取多个训练样本，其中包括图像质量原因导致的图像不清的非白内障样本，所述训练样本包括样本图像以及指示其所属类别的标签，预设的类别包括白内障类、非白内障且图像质量正常类、非白内障且图像不清类；

利用所述多个训练样本训练白内障识别模型识别相应样本图像所属的类别，输出识别结果，根据所述识别结果和对应的标签计算的损失值更新白内障识别模型的参数。

2.根据权利要求1所述的方法，其特征在于，所述多个训练样本还包括：白内障样本以及图像质量正常的非白内障样本，所述标签的值为0类、1类或者2类，其中，0类表示白内障类，1类表示非白内障且图像质量正常类，2类表示非白内障且图像不清类。

3.根据权利要求2所述的方法，其特征在于，所述多个训练样本中包括因图像过亮、图像过暗和图像模糊导致图像不清的样本图像。

4.根据权利要求3所述的方法，其特征在于，所述多个训练样本中包括多种程度的因图像过亮、图像过暗和图像模糊导致图像不清的样本图像。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

利用图像质量检测模型对数据集中属于非白内障类的样本进行图像质量检测，输出属于非白内障类的样本的质量检测结果，该质量检测结果指示对应样本属于图像质量正常的样本、相应程度的因图像过亮、图像过暗或图像模糊导致图像不清的样本；

根据所述质量检测结果设置对应样本图像的标签以指示其属于非白内障且图像质量正常类或者非白内障且图像不清类。

6.根据权利要求1所述的方法，其特征在于，所述多个训练样本不包含属于指定的非常规白内障类型的样本，所述指定的非常规白内障类型包括：先天性白内障、外伤性白内障、后发性白内障、代谢性白内障、药物性白内障或者其组合。

7.根据权利要求6所述的方法，其特征在于，所述多个训练样本中的处于各年龄段内的每种类别的训练样本的数量分布与统计的白内障患者数量在年龄段上的分布一致。

8.根据权利要求1所述的方法，其特征在于，所述多个训练样本是由数据集经剔除指定的非常规白内障类型对应样本的剔除处理得到，所述指定的非常规白内障类型包括：先天性白内障、外伤性白内障、后发性白内障、代谢性白内障、药物性白内障或者其组合。

9.根据权利要求8所述的方法，其特征在于，所述多个训练样本是按年龄段对经所述剔除处理的数据集进行分布配准处理得到，以使处于各年龄段内的每种类别的样本的数量分布与统计的白内障患者数量在年龄段上的分布一致；

其中，将经分布配准处理的数据集中的各类别的样本按照预定比例分为训练集、验证集和测试集，所述训练集中的样本为所述多个训练样本。

10.根据权利要求1-9任一项所述的方法，其特征在于，所述白内障识别模型和/或图像质量检测模型采用的模型为：Resnet模型、EfficientNet模型、Inception模型，其中，Inception模型包括Inception-Resnet-V2模型。

11.一种基于眼底图像质量检测的白内障识别方法，其特征在于，包括：

获取眼底图像；

将所述眼底图像输入如权利要求1-10任一项所述的方法训练好的白内障识别模型，输出识别结果，所述识别结果指示所述眼底图像属于白内障类、非白内障且图像质量正常类、非白内障且图像不清类中的一种类别。

12.一种电子设备，其特征在于，包括：

一个或多个处理器；以及

存储器，其中存储器用于存储可执行指令；

所述一个或多个处理器被配置为经由执行所述可执行指令以实现权利要求1至11中任一项所述方法的步骤。