【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及視網(wǎng)膜裂孔檢測領(lǐng)域，尤其涉及一種視網(wǎng)膜裂孔檢測模型及訓練方法、視網(wǎng)膜裂孔檢測方法、程序產(chǎn)品、介質(zhì)和設(shè)備。
技術(shù)介紹
1、人工智能(ai)致力于在盡可能減少人為干預(yù)的情況下利用計算機技術(shù)模擬人類智能行為。鑒于其在多模態(tài)復(fù)雜數(shù)據(jù)處理和特征學習方面具備的獨特優(yōu)勢，ai在醫(yī)學診斷和治療中被廣泛研究和應(yīng)用。特別地，在診斷以圖像和數(shù)字形式為主要依據(jù)的眼科，ai的潛力更是毋庸置疑。因此，目前已經(jīng)進行了ai用于視網(wǎng)膜疾病分類、篩查與診斷等方面研究。
2、在眼科日常診斷中，眼底照相是眼科常用的檢查手段之一，并且也能幫助眼科醫(yī)生獲取海量信息。眼底照相所檢查的是整個視網(wǎng)膜的形態(tài)學改變。其原理就是用一種特制的照相機記錄眼底鏡下所看到的景象。因此，眼底照相能夠觀察到視網(wǎng)膜、視盤、黃斑區(qū)、視網(wǎng)膜血管的形態(tài)，以及視網(wǎng)膜上有無出血、滲出、血管瘤、視網(wǎng)膜變性區(qū)、視網(wǎng)膜裂孔、新生血管、萎縮斑、色素紊亂等改變。其中，視網(wǎng)膜裂孔檢測是受到關(guān)注的領(lǐng)域。當前，已經(jīng)有研究人員將ai用于視網(wǎng)膜裂孔檢測，然而所得到的檢測準確率還有待提高。原因可能在于，出現(xiàn)視網(wǎng)膜裂孔的早期是難以發(fā)覺的，尤其是在裂孔較小時。然而，視網(wǎng)膜裂孔的發(fā)展是損害巨大的，嚴重時會引起視網(wǎng)膜的脫落，有失明的風險。因此，需要一種更準確的視網(wǎng)膜裂孔檢測方法。
技術(shù)實現(xiàn)思路
1、針對現(xiàn)有技術(shù)中所存在的不足，本專利技術(shù)提供了一種視網(wǎng)膜裂孔檢測模型及訓練方法、視網(wǎng)膜裂孔檢測方法、程序產(chǎn)品、介質(zhì)和設(shè)備，其主要解決了現(xiàn)有ai視網(wǎng)膜裂孔檢測方法準確率不高
2、本專利技術(shù)的目的是通過以下方案進行實現(xiàn)的：
3、第一方面，根據(jù)本專利技術(shù)的實施例，提供了一種視網(wǎng)膜裂孔檢測模型的訓練方法，所述視網(wǎng)膜裂孔檢測模型基于眼底圖像來檢測受檢人視網(wǎng)膜是否存在裂孔，所述訓練方法包括：s1、構(gòu)建所述視網(wǎng)膜裂孔檢測模型，所述視網(wǎng)膜裂孔檢測模型包括第一特征提取網(wǎng)絡(luò)、第二特征提取網(wǎng)絡(luò)和減法器網(wǎng)絡(luò)，其中，所述第一特征提取網(wǎng)絡(luò)和所述第二特征提取網(wǎng)絡(luò)用于對眼底圖像的特征提取，所述減法器網(wǎng)絡(luò)的輸入為所提取的兩個特征圖；s2、創(chuàng)建訓練數(shù)據(jù)集，所述訓練數(shù)據(jù)集包括多個受檢人的眼底圖像和參考眼底圖像，所述參考眼底圖像對應(yīng)于視網(wǎng)膜無裂孔的眼底圖像，其中，每個眼底圖像還包括指示是否具有裂孔的標簽；s3、基于所創(chuàng)建的訓練數(shù)據(jù)集對所述視網(wǎng)膜裂孔檢測模型進行訓練，訓練過程中采用預(yù)設(shè)的損失函數(shù)來計算損失，并更新模型參數(shù)。
4、根據(jù)本專利技術(shù)的實施例，所述視網(wǎng)膜裂孔檢測模型還包括注意力網(wǎng)絡(luò)，所述注意力模型用于對所述減法器網(wǎng)絡(luò)輸出的特征圖進行加權(quán)。
5、根據(jù)本專利技術(shù)的實施例，對所述減法器網(wǎng)絡(luò)輸出的特征圖進行加權(quán)為對輸出特征圖進行區(qū)域劃分，再由所述注意力網(wǎng)絡(luò)對每個區(qū)域進行權(quán)重賦值。
6、根據(jù)本專利技術(shù)的實施例，所述損失為交叉熵損失、對數(shù)損失或均方誤差損失。
7、根據(jù)本專利技術(shù)的實施例，所述交叉熵損失為：
8、
9、其中，y表示標簽裂孔類型，表示預(yù)測裂孔類型。
10、第二方面，根據(jù)本專利技術(shù)的另一實施例，提供了一種視網(wǎng)膜裂孔檢測模型，基于眼底圖像來檢測受檢人視網(wǎng)膜是否存在裂孔，所述模型被配置為采用如第一方面所述方法訓練得到，其包括：第一特征提取網(wǎng)絡(luò)和第二特征提取網(wǎng)絡(luò)，用于對眼底圖像的特征提取；減法器網(wǎng)絡(luò)，用于對所提取的兩個特征圖進行減法操作。
11、第三方面，根據(jù)本專利技術(shù)的又一實施例，提供了一種視網(wǎng)膜裂孔檢測方法，基于眼底圖像來檢測受檢人視網(wǎng)膜是否存在裂孔，所述方法包括：p1、獲取受檢人眼底圖像及參考眼底圖像；以及p2、采用如第二方面所述的一種視網(wǎng)膜裂孔檢測模型對眼底圖像進行裂孔檢測。
12、第四方面，根據(jù)本專利技術(shù)的又一實施例，提供了一種計算機程序產(chǎn)品，所述計算機程序產(chǎn)品包括計算機程序代碼，當所述計算機程序代碼在電子設(shè)備上運行時，使得所述電子設(shè)備執(zhí)行如第一方面或第三方面所述方法。
13、第五方面，根據(jù)本專利技術(shù)的又一實施例，提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序可被處理器執(zhí)行以實現(xiàn)第一方面或第三方面所述方法的步驟。
14、第六方面，根據(jù)本專利技術(shù)的又一實施例，提供了一種電子設(shè)備，包括：一個或多個處理器；以及存儲器，其中存儲器用于存儲可執(zhí)行指令；所述一個或多個處理器被配置為經(jīng)由執(zhí)行所述可執(zhí)行指令以實現(xiàn)第一方面或第三方面所述方法的步驟。
15、相比于現(xiàn)有技術(shù)，本專利技術(shù)具有如下有益效果：通過采取了更專注于圖像差異(目標更相關(guān)信息)的模型訓練，使得裂孔檢測模型更加準確；此外，也得益于著重于特征差異，模型結(jié)構(gòu)更簡單、訓練過程更效率。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種視網(wǎng)膜裂孔檢測模型的訓練方法，所述視網(wǎng)膜裂孔檢測模型基于眼底圖像來檢測受檢人視網(wǎng)膜是否存在裂孔，其特征在于，所述訓練方法包括：
2.如權(quán)利要求1所述的一種視網(wǎng)膜裂孔檢測模型的訓練方法，其特征在于，所述視網(wǎng)膜裂孔檢測模型還包括注意力網(wǎng)絡(luò)，所述注意力模型用于對所述減法器網(wǎng)絡(luò)輸出的特征圖進行加權(quán)。
3.如權(quán)利要求2所述的一種視網(wǎng)膜裂孔檢測模型的訓練方法，其特征在于，對所述減法器網(wǎng)絡(luò)輸出的特征圖進行加權(quán)為對輸出特征圖進行區(qū)域劃分，再由所述注意力網(wǎng)絡(luò)對每個區(qū)域進行權(quán)重賦值。
4.如權(quán)利要求1所述的一種視網(wǎng)膜裂孔檢測模型的訓練方法，其特征在于，所述損失為交叉熵損失、對數(shù)損失或均方誤差損失。
5.如權(quán)利要求4所述的一種視網(wǎng)膜裂孔檢測模型的訓練方法，其特征在于，所述交叉熵損失為：
6.一種視網(wǎng)膜裂孔檢測模型，基于眼底圖像來檢測受檢人視網(wǎng)膜是否存在裂孔，其特征在于，所述模型被配置為采用如權(quán)利要求1-5中任一項所述方法訓練得到，其包括：
7.一種視網(wǎng)膜裂孔檢測方法，基于眼底圖像來檢測受檢人視網(wǎng)膜是否存在裂孔，其特征在于，
8.一種計算機程序產(chǎn)品，其特征在于，所述計算機程序產(chǎn)品包括計算機程序代碼，當所述計算機程序代碼在電子設(shè)備上運行時，使得所述電子設(shè)備執(zhí)行如權(quán)利要求1-5、7中任一項所述方法。
9.一種計算機可讀存儲介質(zhì)，其特征在于，其上存儲有計算機程序，所述計算機程序可被處理器執(zhí)行以實現(xiàn)權(quán)利要求1-5、7中任一項所述方法的步驟。
10.一種電子設(shè)備，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種視網(wǎng)膜裂孔檢測模型的訓練方法，所述視網(wǎng)膜裂孔檢測模型基于眼底圖像來檢測受檢人視網(wǎng)膜是否存在裂孔，其特征在于，所述訓練方法包括：
2.如權(quán)利要求1所述的一種視網(wǎng)膜裂孔檢測模型的訓練方法，其特征在于，所述視網(wǎng)膜裂孔檢測模型還包括注意力網(wǎng)絡(luò)，所述注意力模型用于對所述減法器網(wǎng)絡(luò)輸出的特征圖進行加權(quán)。
3.如權(quán)利要求2所述的一種視網(wǎng)膜裂孔檢測模型的訓練方法，其特征在于，對所述減法器網(wǎng)絡(luò)輸出的特征圖進行加權(quán)為對輸出特征圖進行區(qū)域劃分，再由所述注意力網(wǎng)絡(luò)對每個區(qū)域進行權(quán)重賦值。
4.如權(quán)利要求1所述的一種視網(wǎng)膜裂孔檢測模型的訓練方法，其特征在于，所述損失為交叉熵損失、對數(shù)損失或均方誤差損失。
5.如權(quán)利要求4所述的一種視網(wǎng)膜裂孔檢測模型的訓練方法，其...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：任爽，王曉蕾，
申請(專利權(quán))人：中國人民解放軍陸軍軍醫(yī)大學第一附屬醫(yī)院，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。