CN110443812A - 眼底图像分割方法、装置、设备和介质 - Google Patents

眼底图像分割方法、装置、设备和介质 Download PDF

Info

Publication number
CN110443812A
CN110443812A CN201910684271.6A CN201910684271A CN110443812A CN 110443812 A CN110443812 A CN 110443812A CN 201910684271 A CN201910684271 A CN 201910684271A CN 110443812 A CN110443812 A CN 110443812A
Authority
CN
China
Prior art keywords
region
sighted
mask
optic disk
arc
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910684271.6A
Other languages
English (en)
Other versions
CN110443812B (zh
Inventor
孙旭
杨大陆
杨叶辉
王磊
许言午
黄艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910684271.6A priority Critical patent/CN110443812B/zh
Publication of CN110443812A publication Critical patent/CN110443812A/zh
Application granted granted Critical
Publication of CN110443812B publication Critical patent/CN110443812B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明实施例公开了一种眼底图像分割方法、装置、设备和介质，涉及图像处理领域。该方法包括：将待分割眼底图像输入预先训练完成的分割模型；根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域；比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域。本发明实施例提供了一种眼底图像分割方法、装置、设备和介质，实现了对视盘区域的正确分割，以及对近视弧区域的检测。

Description

眼底图像分割方法、装置、设备和介质
技术领域
本发明实施例涉及图像处理领域，尤其涉及一种眼底图像分割方法、装置、设备和介质。
背景技术
视盘，也叫视乳头，是视网膜上视神经纤维汇集传出眼球的部位，在眼底图中表现为亮黄色椭圆区域。近视弧，是近视眼中最常见的眼底变化，一般表现为在视盘边缘的新月形斑，严重的可围绕视盘，甚至达到黄斑区域。视盘及近视弧的分割和定位对于智能眼底疾病筛查系统具有重要意义
参见图1，由于视盘101和近视弧102位置相邻，在色度纹理上具有一定的相似性，以及近视弧具有多变性，所以导致近视弧的分割困难，现有技术暂未发现对近视弧的分割方案。
视盘分割目前普遍采用的方案有：利用训练模型进行视盘分割。
然而，上述方案的问题在于：由于训练模型学习有视盘的特征，而没有学习近视弧的特征，因此经常会出现将局部近视弧区域误分割至视盘区域的情况。
发明内容
本发明实施例提供一种眼底图像分割方法、装置、设备和介质，以实现对视盘区域的正确分割，以及对近视弧区域的检测。
第一方面，本发明实施例提供了一种眼底图像分割方法，该方法包括：
将待分割眼底图像输入预先训练完成的分割模型；
根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域；
比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域。
第二方面，本发明实施例还提供了一种眼底图像分割装置，该装置包括：
模型输入模块，用于将待分割眼底图像输入预先训练完成的分割模型；
区域确定模块，用于根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域；
区域比较模块，用于比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域。
第三方面，本发明实施例还提供了一种电子设备，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例中任一项所述的眼底图像分割方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一项所述的眼底图像分割方法。
本发明实施例通过将待分割眼底图像输入预先训练完成的分割模型；根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域,从而实现视盘区域和复合区域的分割。因为复合区域包括近视弧区域，所以分割模型既学习有视盘区域的特征，也学习有近视弧区域的特征。在此基础上，分割模型可以实现对视盘区域的准确分割。
通过比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域，从而实现对近视弧区域的检测。
附图说明
图1为现有技术中视盘区域与近视弧区域的位置关系示意图；
图2是本发明实施例一提供的一种眼底图像分割方法的流程图；
图3是本发明实施例二提供的一种眼底图像分割方法的流程图；
图4是本发明实施例二提供的视盘掩码图像；
图5是本发明实施例二提供的复合掩码图像；
图6是本发明实施例二提供的近视弧掩码图像；
图7是本发明实施例三提供的一种眼底图像分割装置的结构示意图。
图8是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
视盘和近视弧分割目前普遍采用的方案如下：
(1)分别训练两个不同的模型进行视盘分割和近视弧分割；
(2)通过简单的多任务形式，训练同一个网络对视盘和近视弧进行分割。
发明人在实现本发明的过程中发现上述方案存在如下问题：
(1)分别训练两个不同的模型进行视盘分割和近视弧分割的方法，没有考虑到到视盘区域和近视弧区域在位置上的关联特性，且无法细致区分视盘和近视弧的边界特征差异性；
(2)简单的多任务的方法，因为存在无近视弧或小近视弧的眼底图片，在像素级标签上，与视盘相比存在显著的样本不平衡问题，训练的难度较大。
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图2为本发明实施例一提供的一种眼底图像分割方法的流程图。本实施例可适用于对待分割眼底图像进行视盘区域的准确分割，以及对近视弧区域进行检测的情况。该方法可以由一种眼底图像分割装置来执行，该装置可以由软件和/或硬件的方式实现。参见图2，本实施例提供的眼底图像分割方法包括：
S110、将待分割眼底图像输入预先训练完成的分割模型。
具体地，分割模型的训练包括：
分别对样本眼底图像中的视盘区域和近视弧区域进行标注，生成标注图像；
根据标注图像和标注区域，确定视盘掩码和近视弧掩码；
叠加视盘掩码和近视弧掩码，得到复合掩码；
将所述视盘掩码和所述复合掩码作为标签，与样本眼底图像一起输入待训练分割模型，对所述待训练分割模型进行迭代训练。
所述根据标注图像和标注区域，确定视盘掩码和近视弧掩码，包括：
在生成的标注图像中，将标注的视盘区域的像素值置第一数值，其他区域的像素值置第二数值，以获得所述视盘掩码；
在生成的标注图像中，将标注的近视弧区域的像素值置第一数值，其他区域的像素值置第二数值，以获得近视弧掩码。
其中，第一数值和第二数值可以根据实际需要设定。典型地，第一数值是1，第二数值是0。
所述对所述待训练分割模型进行迭代训练，包括：
计算根据所述待训练分割模型的输出确定的视盘掩码和复合掩码，与作为标签输入的视盘掩码和复合掩码的差异；
根据所述差异，调整所述待训练分割模型中的参数，基于调整后的参数对样本眼底图像进行分割，直至满足设定训练截止条件。
S120、根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域。
其中，复合区域是包括所述待分割眼底图像中视盘区域和近视弧区域。若所述待分割眼底图像没有近视弧区域，则复合区域仅包括视盘区域。
所述根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域，包括：
根据所述分割模型输出的所述待分割眼底图像中各像素点属于所述视盘区域的概率，确定所述视盘区域；
根据所述分割模型输出的所述待分割眼底图像中各像素点属于所述复合区域的概率，确定所述复合区域。
S130、比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域。
具体地，根据比较结果确定所述待分割眼底图像中是否存在近视弧区域，包括：
若所述复合区域大于所述视盘区域，则确定所述待分割眼底图像中存在近视弧区域。
若所述复合区域等于所述视盘区域，则确定所述待分割眼底图像中不存在近视弧区域。
本发明实施例的技术方案，通过将待分割眼底图像输入预先训练完成的分割模型；根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域,从而实现视盘区域和复合区域的分割。因为复合区域包括近视弧区域，所以分割模型既学习有视盘区域的特征，也学习有近视弧区域的特征。在此基础上，分割模型可以实现对视盘区域的准确分割。
通过比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域，从而实现对近视弧区域的检测。
为实现对近视弧区域的确定，所述根据比较结果确定所述待分割眼底图像中是否存在近视弧区域之后，所述方法还包括：
若存在近视弧区域，则在所述复合区域中去除所述视盘区域，得到所述近视弧区域。
实施例二
图3是本发明实施例二提供的一种眼底图像分割方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3，本实施例提供的眼底图像分割方法包括：
S210、分别对样本眼底图像中的视盘区域和近视弧区域进行标注，生成标注图像。
S220、在生成的标注图像中，将标注的视盘区域的像素值置1，其他区域的像素值置0，以获得视盘掩码；在生成的标注图像中，将标注的近视弧区域的像素值置1，其他区域的像素值置0，以获得近视弧掩码。
S230、将所述视盘掩码和所述复合掩码作为标签，与样本眼底图像一起输入待训练分割模型，对所述待训练分割模型进行训练。
具体地，对所述待训练分割模型进行训练，包括：
根据所述待训练分割模型的输出确定的视盘掩码和复合掩码，以及作为标签输入的视盘掩码和复合掩码，确定模型损失；
根据计算的模型损失，计算损失梯度，并通过反向传播方式，训练分割模型。
典型地，模型损失计算函数定义为：
其中N表示像素数量，p(k，i)和g(k，i)分别表示k类预测概率和真实标签，K为类别总数，为类间权重。在本方案中，K＝2，分别对应视盘掩码和复合掩码两类标签。
S240、将待分割眼底图像输入预先训练完成的分割模型。
S250、若所述分割模型输出的所述待分割眼底图像中各像素点属于所述视盘区域的概率大于设定阈值，则确定该像素点属于所述视盘区域，并根据所述视盘区域，确定视盘掩码。
视盘掩码图像参见图4，其中黑色区域表示视盘区域。
S260、若所述分割模型输出的所述待分割眼底图像中各像素点属于所述复合区域的概率大于设定阈值，则确定该像素点属于所述复合区域，并根据所述复合区域，确定复合掩码。
复合掩码图像参见图5，其中黑色区域表示复合区域。
S270、从复合区域掩码中去除视盘掩码，得到所述待分割图像的近视弧掩码，并根据近视弧掩码确定近视弧区域。
近视弧掩码图像参见图6，其中黑色区域表示近视弧区域。
本实施例对上述步骤的执行顺序不做限定，可选地，S260可以先于S250执行。
本发明实施例的技术方案，通过将视盘分割和近视弧分割以多任务的形式融合到同一个网络模型中，不仅能学习视盘和近视弧的位置关联性，还能进一步学习到两者的特征差异性，从而显著提升分割精度。
此外，由于在实际场景中存在大量无近视弧或者小近视弧的情况，本发明提出了采用多标签方式(具体体现为：视盘区域的像素点有两个标签，视盘掩码标签和复合标签)进行模型训练，用以解决训练过程中的存在的样本标签不平衡问题，显著降低模型训练的难度。
需要说明的是，经过本实施例的技术教导，本领域技术人员有动机将上述实施例中描述的任一种实施方式进行方案的组合，以实现对视盘区域的正确分割，以及对近视弧区域的检测。
实施例三
图7是本发明实施例三提供的一种眼底图像分割装置的结构示意图。参见图7，本实施例提供的眼底图像分割装置包括：模型输入模块10、区域确定模块20和区域比较模块30。
其中，模型输入模块10，用于将待分割眼底图像输入预先训练完成的分割模型；
区域确定模块20，用于根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域；
区域比较模块30，用于比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域。
本发明实施例通过将待分割眼底图像输入预先训练完成的分割模型；根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域,从而实现视盘区域和复合区域的分割。因为复合区域包括近视弧区域，所以分割模型既学习有视盘区域的特征，也学习有近视弧区域的特征。在此基础上，分割模型可以实现对视盘区域的准确分割。
此外，通过比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域，从而实现对近视弧区域的检测。
进一步地，所述装置还包括：样本标注模块、掩码确定模块、掩码叠加模块和迭代训练模块。
其中，样本标注模块，用于所述将待分割眼底图像输入预先训练完成的分割模型之前，分别对样本眼底图像中的视盘区域和近视弧区域进行标注，生成标注图像；
掩码确定模块，用于根据标注图像和标注区域，确定视盘掩码和近视弧掩码；
掩码叠加模块，用于叠加视盘掩码和近视弧掩码，得到复合掩码；
迭代训练模块，用于将所述视盘掩码和所述复合掩码作为标签，与样本眼底图像一起输入待训练分割模型，对所述待训练分割模型进行迭代训练。
进一步地，所述掩码确定模块，包括：视盘掩码确定单元和近视弧掩码确定单元。
其中，视盘掩码确定单元，用于在生成的标注图像中，将标注的视盘区域的像素值置第一数值，其他区域的像素值置第二数值，以获得所述视盘掩码；
近视弧掩码确定单元，用于在生成的标注图像中，将标注的近视弧区域的像素值置第一数值，其他区域的像素值置第二数值，以获得近视弧掩码。
进一步地，所述装置还包括：近视弧确定模块。
其中，近视弧确定模块，用于所述根据比较结果确定所述待分割眼底图像中是否存在近视弧区域之后，若存在近视弧区域，则在所述复合区域中去除所述视盘区域，得到所述近视弧区域。
本发明实施例所提供的眼底图像分割装置可执行本发明任意实施例所提供的眼底图像分割方法，具备执行方法相应的功能模块和有益效果。
实施例四
图8为本发明实施例四提供的一种设备的结构示意图。图8示出了适于用来实现本发明实施方式的示例性设备12的框图。图8显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图8未显示，通常称为“硬盘驱动器”)。尽管图8中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的眼底图像分割方法。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一项所述的眼底图像分割方法，该方法包括：
将待分割眼底图像输入预先训练完成的分割模型；
根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域；
比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种眼底图像分割方法，其特征在于，包括：
将待分割眼底图像输入预先训练完成的分割模型；
根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域；
比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域。
2.根据权利要求1所述的方法，其特征在于，所述将待分割眼底图像输入预先训练完成的分割模型之前，所述方法还包括：
分别对样本眼底图像中的视盘区域和近视弧区域进行标注，生成标注图像；
根据标注图像和标注区域，确定视盘掩码和近视弧掩码；
叠加视盘掩码和近视弧掩码，得到复合掩码；
将所述视盘掩码和所述复合掩码作为标签，与样本眼底图像一起输入待训练分割模型，对所述待训练分割模型进行迭代训练。
3.根据权利要求2所述的方法，其特征在于，所述根据标注图像和标注区域，确定视盘掩码和近视弧掩码，包括：
在生成的标注图像中，将标注的视盘区域的像素值置第一数值，其他区域的像素值置第二数值，以获得所述视盘掩码；
在生成的标注图像中，将标注的近视弧区域的像素值置第一数值，其他区域的像素值置第二数值，以获得近视弧掩码。
4.根据权利要求1所述的方法，其特征在于，所述根据比较结果确定所述待分割眼底图像中是否存在近视弧区域之后，所述方法还包括：
若存在近视弧区域，则在所述复合区域中去除所述视盘区域，得到所述近视弧区域。
5.一种眼底图像分割装置，其特征在于，包括：
模型输入模块，用于将待分割眼底图像输入预先训练完成的分割模型；
区域确定模块，用于根据所述分割模型的输出结果，确定所述待分割眼底图像的视盘区域和复合区域；
区域比较模块，用于比较所述视盘区域和所述复合区域，并根据比较结果确定所述待分割眼底图像中是否存在近视弧区域。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：
样本标注模块，用于所述将待分割眼底图像输入预先训练完成的分割模型之前，分别对样本眼底图像中的视盘区域和近视弧区域进行标注，生成标注图像；
掩码确定模块，用于根据标注图像和标注区域，确定视盘掩码和近视弧掩码；
掩码叠加模块，用于叠加视盘掩码和近视弧掩码，得到复合掩码；
迭代训练模块，用于将所述视盘掩码和所述复合掩码作为标签，与样本眼底图像一起输入待训练分割模型，对所述待训练分割模型进行迭代训练。
7.根据权利要求6所述的装置，其特征在于，所述掩码确定模块，包括：
视盘掩码确定单元，用于在生成的标注图像中，将标注的视盘区域的像素值置第一数值，其他区域的像素值置第二数值，以获得所述视盘掩码；
近视弧掩码确定单元，用于在生成的标注图像中，将标注的近视弧区域的像素值置第一数值，其他区域的像素值置第二数值，以获得近视弧掩码。
8.根据权利要求5所述的装置，其特征在于，所述装置还包括：
近视弧确定模块，用于所述根据比较结果确定所述待分割眼底图像中是否存在近视弧区域之后，若存在近视弧区域，则在所述复合区域中去除所述视盘区域，得到所述近视弧区域。
9.一种电子设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一项所述的眼底图像分割方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的眼底图像分割方法。
CN201910684271.6A 2019-07-26 2019-07-26 眼底图像分割方法、装置、设备和介质 Active CN110443812B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910684271.6A CN110443812B (zh) 2019-07-26 2019-07-26 眼底图像分割方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910684271.6A CN110443812B (zh) 2019-07-26 2019-07-26 眼底图像分割方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN110443812A true CN110443812A (zh) 2019-11-12
CN110443812B CN110443812B (zh) 2022-07-01

Family

ID=68431795

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910684271.6A Active CN110443812B (zh) 2019-07-26 2019-07-26 眼底图像分割方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN110443812B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340813A (zh) * 2020-02-25 2020-06-26 北京字节跳动网络技术有限公司 图像实例分割方法、装置、电子设备及存储介质
CN113768461A (zh) * 2021-09-14 2021-12-10 北京鹰瞳科技发展股份有限公司 一种眼底图像分析方法、系统和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014129339A1 (ja) * 2013-02-22 2014-08-28 ソニー株式会社 眼底画像出力装置および方法、並びにプログラム
CN107292877A (zh) * 2017-07-05 2017-10-24 北京至真互联网技术有限公司 一种基于眼底图像特征的左右眼识别方法
CN108520522A (zh) * 2017-12-31 2018-09-11 南京航空航天大学 基于深度全卷积神经网络的视网膜眼底图像分割方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014129339A1 (ja) * 2013-02-22 2014-08-28 ソニー株式会社 眼底画像出力装置および方法、並びにプログラム
CN107292877A (zh) * 2017-07-05 2017-10-24 北京至真互联网技术有限公司 一种基于眼底图像特征的左右眼识别方法
CN108520522A (zh) * 2017-12-31 2018-09-11 南京航空航天大学 基于深度全卷积神经网络的视网膜眼底图像分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SEVASTOPOLSKY A 等: "Optic disc and cup segmentation methods for glaucoma detection w ith modification of u-net convolutional neural network", 《PATTERN ＲECOG＆IM A ANAL》 *
高玮玮: "眼底图像分割算法及应用研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340813A (zh) * 2020-02-25 2020-06-26 北京字节跳动网络技术有限公司 图像实例分割方法、装置、电子设备及存储介质
CN111340813B (zh) * 2020-02-25 2023-09-01 北京字节跳动网络技术有限公司 图像实例分割方法、装置、电子设备及存储介质
CN113768461A (zh) * 2021-09-14 2021-12-10 北京鹰瞳科技发展股份有限公司 一种眼底图像分析方法、系统和电子设备

Also Published As

Publication number Publication date
CN110443812B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
EP3712805B1 (en) Gesture recognition method, device, electronic device, and storage medium
US20210279503A1 (en) Image processing method, apparatus, and device, and storage medium
CN110874594B (zh) 基于语义分割网络的人体外表损伤检测方法及相关设备
WO2019223254A1 (zh) 多尺度轻量级人脸检测模型的构建方法及基于该模型的人脸检测方法
CN109858555A (zh) 基于图像的数据处理方法、装置、设备及可读存储介质
CN111652887B (zh) 图像分割模型训练方法、装置、计算机设备及存储介质
CN110390327B (zh) 前景提取方法、装置、计算机设备及存储介质
CN109359196B (zh) 文本多模态表示方法及装置
CN112418216A (zh) 一种复杂自然场景图像中的文字检测方法
CN110188303A (zh) 页面错误识别方法和装置
CN110555426A (zh) 视线检测方法、装置、设备及存储介质
CN109543683A (zh) 图像标注修正方法、装置、设备和介质
CN110443812A (zh) 眼底图像分割方法、装置、设备和介质
CN108090486A (zh) 一种台球比赛中的图像处理方法及装置
US20210390667A1 (en) Model generation
CN110826372A (zh) 人脸特征点检测方法及装置
CN110807379A (zh) 一种语义识别方法、装置、以及计算机存储介质
CN111582459A (zh) 执行操作的方法、电子设备、装置及存储介质
CN115796963A (zh) 基于时间-空间关系的mr内容定位
US12033364B2 (en) Method, system, and computer-readable medium for using face alignment model based on multi-task convolutional neural network-obtained data
WO2024164979A1 (zh) 物品识别方法、装置、存储介质及电子设备
RU2453919C1 (ru) Способ выявления спама в растровом изображении
US10860853B2 (en) Learning though projection method and apparatus
CN112862840B (zh) 图像分割方法、装置、设备及介质
CN111860606B (zh) 图像分类的方法、装置以及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant