CN119399206A 用于白内障的图像识别方法及系统 （北京茗视光眼科医院管理有限公司）

本公开涉及一种用于白内障的图像识别方述白内障影像识别模型是基于多个样本眼睛检查医学影像以及对应标注数据对深度学习模型述白内障类型信息与对应的标注数据中的类型度学习模型的损失函数的损失值满足收敛条件2白内障影像识别模型是基于多个样本眼睛检查医学影像以及对应标注数据对深度学习模并且其中，所述深度学习模型的训练过程包括：提取所述3.根据权利要求2所述的方法，其特征在于，所述深度学习模型基于所述图像强度特获取预先设置的第一权重值、第二权重值和第三权重值；其中所剪裁所述眼睛检查医学影像得到预设尺寸的眼睛的晶状体区域6.根据权利要求2或3所述的方法，其特征在于述深度学习模型基于所述融合图像特征以及所述影像位置输出白识别模块，用于将所述眼睛检查医学影像输入白内障影像识别并且其中，所述深度学习模型的训练过程包括：提取所述3处理器执行时实现权利要求1~7任一项所述用于白内障的图其中，所述处理器配置为经由执行所述计算机程序来执行权利要求1~7任一项所述用4致诊断效率低下，且需要专业医生判断，准确性有待提高。近年来人工智能(Artificial尚处于起步阶段，目前还局限于白内障的初步诊断与筛查，对于白内障的不同类型如中所述白内障影像识别模型是基于多个样本眼睛检查医学影像以及对应标注数据对深度学5该计算机程序被处理器执行时实现上述任一实施例所述用于所述白内障影像识别模型是基于多个样本眼睛检查医学影像以及对应标注数据对深度学6识别处理，且提取其多个不同类型的图像特征而不是单一的特征如纹理进行融合识别处 以是多个。[0021]图1为本公开实施例的用于白内障的图像识别方法流程图，该用于白内障的图像7可以是但不限于卷积神经网络模型，其可以包括特征提取网络201以及卷积神经网络202。割得到晶状体区域影像，再对晶状体区域影像提取多个不同类型的图像特征如至少2个不同类型的图像特征，卷积神经网络202基于多个不同类型的图像特征融合输出预测的白内神经网络202的损失函数的损失值满足收敛条件如小于预设值时结束训练。训练结束即可识别处理，且提取其多个不同类型的图像特征而不是单一的特征如纹理进行融合识别处8白内障类型与对应的标注数据中的类型标签的差异更新深度学习模型即同时更新特征提应输出的白内障类型信息处理得到输入模型的图像特征对输出结果即白内障类型信息的9型如卷积神经网络202基于上述融合图像特征以及该影像位置输出白内障类型信息，基于该白内障类型与对应的标注数据中的类型标签的差异更新深度学习模型即同时更新特征提取网络201以及卷积神经网络202直至[0044]深度学习模型可以是但不限于卷积神经网络模型，其可以包括特征提取网络201模型的损失函数如卷积神经网络202的损失函数的损失值满足收敛条件如小于预设值时结[0046]在一个实施例中，特征提取网络201可以包括图像分割子网络以及特征提取子网征提取子网络对晶状体区域影像提取多个不同类型的图像特征，之后卷积神经网络202基内障类型信息处理得到输入模型的图像特征对输出结果即白内障类型信息的作用程度百[0052]在一个实施例中，特征提取子网络还可以用于提取晶状机程序被处理器执行时实现上述任一项实施例所述用于白内障的图[0058]所述计算机可读存储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[0060]下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子[0062]其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述方法实施例部分中描述的根据本发明各种示[0063]所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储[0065]总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储[0069]