图像分类方法及装置、电子设备及存储介质制造方法及图纸

本公开提供了一种图像分类方法及装置、电子设备及存储介质，涉及图像处理技术领域，图像分类方法包括：基于待处理眼底图像，确定待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据；基于待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据，确定待处理眼底图像的分类结果。本公开实施例通过待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据，确定待处理眼底图像的分类结果，实现了通过待处理眼底图像，确定待处理眼底图像是否包含玻璃体变性区域的目的，因此，能够辅助医生进行玻璃体变性的诊断，减少玻璃体变性误诊的概率。减少玻璃体变性误诊的概率。减少玻璃体变性误诊的概率。

【技术实现步骤摘要】
图像分类方法及装置、电子设备及存储介质


[0001]本公开属于图像处理
，具体涉及一种图像分类方法及装置、电子设备及存储介质。

技术介绍

[0002]玻璃体变性会导致患者视力减退，严重的会牵拉视网膜造成视网膜裂孔或黄斑裂孔，造成视力重度下降甚至失明。玻璃体变性常见于高度近视人群和老年人，随着高度近视人群的数量增加，以及老年人的健康越来越受重视，及时对玻璃体变性进行诊断，并及尽早治疗，变得越来越重要。
[0003]然而，传统玻璃体变性的诊断需要医生根据自身医学知识和相关经验，结合眼底图像对患者的玻璃体变性的情况进行检测诊断。由于传统的玻璃体变性的诊断具有主观性，而医生的自身经验存在差距，并且医疗薄弱地区的医生相关医学知识可能存在不足，导致了玻璃体变性的诊断存在误诊的情况。

技术实现思路

[0004]有鉴于此，本公开提供一种图像分类方法及装置、电子设备及存储介质，能够辅助医生进行玻璃体变性的诊断，减少了玻璃体变性误诊的情况。
[0005]第一方面，本公开一实施例提供的一种图像分类方法，包括：基于待处理眼底图像，确定待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据；基于待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据，确定待处理眼底图像的分类结果，分类结果用于表征待处理眼底图像是否存在玻璃体变性区域。
[0006]结合第一方面，在第一方面的某些实现方式中，待处理眼底图像包括多幅待处理眼底图像，分类结果包括第一分类结果；其中，基于待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据，确定待处理眼底图像的分类结果，包括：基于多幅待处理眼底图像各自对应的病灶位置数据，确定多幅待处理眼底图像之间的同一病灶位置变化数据，其中，多幅待处理眼底图像对应的待评估对象相同；基于多幅待处理眼底图像之间的同一病灶位置变化数据，确定多幅待处理眼底图像各自的第一分类结果。
[0007]结合第一方面，在第一方面的某些实现方式中，待处理眼底图像包括多幅待处理眼底图像，分类结果包括第二分类结果；其中，基于待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据，确定待处理眼底图像的分类结果，包括：基于多幅待处理眼底图像各自对应的特征数据，利用机器学习分类模型，确定多幅待处理眼底图像各自的第二分类结果；或者，待处理眼底图像包括一幅待处理眼底图像，分类结果包括第三分类结果；基于待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据，确定待处理眼底图像的分类结果，包括：基于待处理眼底图像对应的特征数据，利用机器学习分类模型，确定待处理眼底图像的第三分类结果。
[0008]结合第一方面，在第一方面的某些实现方式中，待处理眼底图像对应的特征数据
包括待处理眼底图像的视盘区域的特征数据和血管区域的特征数据，基于待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据，确定待处理眼底图像的分类结果，包括：基于待处理眼底图像的视盘区域的特征数据，确定待处理眼底图像的视盘区域的遮挡结果，其中，视盘区域的遮挡结果用于表征视盘区域是否被遮挡；基于待处理眼底图像的血管区域的特征数据，确定待处理眼底图像的血管区域的遮挡结果，其中，血管区域的遮挡结果用于表征血管区域是否被遮挡；基于视盘区域的遮挡结果和/或血管区域的遮挡结果，确定待处理眼底图像的分类结果。
[0009]结合第一方面，在第一方面的某些实现方式中，基于视盘区域的遮挡结果和/或血管区域的遮挡结果，确定待处理眼底图像的分类结果包括：在视盘区域的遮挡结果和/或血管区域被遮挡的情况下，对待处理眼底图像进行阈值分割，得到多个待处理区域；对多个待处理区域进行膨胀处理，得到多个待处理区域各自对应的膨胀区域；基于多个待处理区域各自对应的膨胀区域，进行特征提取，确定多维特征数据；基于多维特征数据，利用机器学习分类模型，确定待处理眼底图像的分类结果；在视盘区域的遮挡结果和/或血管区域未被遮挡的情况下，确定待处理眼底图像的分类结果为不存在玻璃体变性区域。
[0010]结合第一方面，在第一方面的某些实现方式中，基于待处理眼底图像的血管区域的特征数据，确定待处理眼底图像的血管区域的遮挡结果，包括：基于待处理眼底图像的血管区域的特征数据，确定待处理眼底图像的血管特征数据，血管特征数据包括血管数量数据、血管密度数据、血管长度数据、血管灰度值数据中的至少一种；基于血管特征数据和预设阈值条件，确定血管区域的遮挡结果。
[0011]结合第一方面，在第一方面的某些实现方式中，血管特征数据包括血管长度数据和血管灰度值数据，血管灰度值数据包括血管区域对应的多个像素各自的灰度值，基于血管特征数据和预设阈值条件，确定血管区域的遮挡结果，包括：基于血管特征数据中的血管长度数据，确定血管总长度和血管最大长度，其中，血管总长度用于表征待处理眼底图像包括的多条血管各自的长度之和，血管最大长度用于表征待处理眼底图像包括的多条血管各自的长度中的最大长度；基于血管特征数据中的血管灰度值数据，计算血管区域对应的多个像素各自的灰度值的平均值，得到血管区域的平均灰度值，基于血管区域的平均灰度值确定血管清晰度，其中，血管清晰度用于表征待处理眼底图像中的血管图像边界的清晰程度；基于血管总长度、血管最大长度、血管清晰度和预设阈值条件，确定血管区域遮挡结果，预设阈值条件包括血管总长度阈值、血管最大长度阈值和血管清晰度阈值。
[0012]结合第一方面，在第一方面的某些实现方式中，该方法还包括：对血管区域进行颜色通道提取，确定血管区域对应的单通道图像；对血管区域进行卷积计算，获得血管区域的卷积图像；基于血管区域的卷积图像，确定血管区域对应的多个像素各自的灰度值；将血管区域对应的多个像素各自的灰度值，确定为血管特征数据中的血管灰度值数据。
[0013]结合第一方面，在第一方面的某些实现方式中，基于待处理眼底图像的视盘区域的特征数据，确定待处理眼底图像的视盘区域的遮挡结果，包括：基于待处理眼底图像的视盘区域的特征数据，确定视盘区域中的视盘边界区域，视盘边界区域用于表征包含视盘边界的区域；确定视盘边界区域中的血管数量；基于视盘边界区域中的血管数量和预设数量阈值，确定视盘区域的遮挡结果。
[0014]第二方面，本公开一实施例提供一种图像分类装置，包括：确定模块，用于基于待
处理眼底图像，确定待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据；分类模块，用于基于待处理眼底图像对应的特征数据或待处理眼底图像对应的病灶位置数据，确定待处理眼底图像的分类结果，分类结果用于表征待处理眼底图像是否存在玻璃体变性区域。
[0015]第三方面，本公开一实施例提供一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器用于执行上述第一方面所提及的方法。
[0016]第四方面，本公开一实施例提供一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序用于执行上述第一方面所提及的方法。
[0017]本公开实施例基于待处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：基于待处理眼底图像，确定所述待处理眼底图像对应的特征数据或所述待处理眼底图像对应的病灶位置数据；基于所述待处理眼底图像对应的特征数据或所述待处理眼底图像对应的病灶位置数据，确定所述待处理眼底图像的分类结果，所述分类结果用于表征所述待处理眼底图像是否存在玻璃体变性区域。2.根据权利要求1所述的方法，其特征在于，所述待处理眼底图像包括多幅待处理眼底图像，所述分类结果包括第一分类结果；其中，所述基于所述待处理眼底图像对应的特征数据或所述待处理眼底图像对应的病灶位置数据，确定所述待处理眼底图像的分类结果，包括：基于所述多幅待处理眼底图像各自对应的病灶位置数据，确定所述多幅待处理眼底图像之间的同一病灶位置变化数据，其中，所述多幅待处理眼底图像对应的待评估对象相同；基于所述多幅待处理眼底图像之间的同一病灶位置变化数据，确定所述多幅待处理眼底图像各自的第一分类结果。3.根据权利要求1所述的方法，其特征在于，所述待处理眼底图像包括多幅待处理眼底图像，所述分类结果包括第二分类结果；其中，所述基于所述待处理眼底图像对应的特征数据或所述待处理眼底图像对应的病灶位置数据，确定所述待处理眼底图像的分类结果，包括：基于所述多幅待处理眼底图像各自对应的特征数据，利用机器学习分类模型，确定所述多幅待处理眼底图像各自的第二分类结果；或者，所述待处理眼底图像包括一幅待处理眼底图像，所述分类结果包括第三分类结果；所述基于所述待处理眼底图像对应的特征数据或所述待处理眼底图像对应的病灶位置数据，确定所述待处理眼底图像的分类结果，包括：基于所述待处理眼底图像对应的特征数据，利用所述机器学习分类模型，确定所述待处理眼底图像的第三分类结果。4.根据权利要求1所述的方法，其特征在于，所述待处理眼底图像对应的特征数据包括所述待处理眼底图像的视盘区域的特征数据和血管区域的特征数据，所述基于所述待处理眼底图像对应的特征数据或所述待处理眼底图像对应的病灶位置数据，确定所述待处理眼底图像的分类结果，包括：基于所述待处理眼底图像的视盘区域的特征数据，确定所述待处理眼底图像的视盘区域的遮挡结果，其中，所述视盘区域的遮挡结果用于表征所述视盘区域是否被遮挡；基于所述待处理眼底图像的血管区域的特征数据，确定所述待处理眼底图像的血管区域的遮挡结果，其中，所述血管区域的遮挡结果用于表征所述血管区域是否被遮挡；基于所述视盘区域的遮挡结果和/或所述血管区域的遮挡结果，确定所述待处理眼底图像的分类结果。5.根据权利要求4所述的方法，其特征在于，所述基于所述视盘区域的遮挡结果和/或所述血管区域的遮挡结果，确定所述待处理眼底图像的分类结果包括：在所述视盘区域的遮挡结果和/或所述血管区域被遮挡的情况下，对所述待处理眼底
图像进行阈值分割，得到多个待处理区域；对所述多个待处理区域进行膨胀处理，得到所述多个待处理区域各自对应的膨胀区域；基于所述多个待处理区域各自对应的膨胀区域，进行特征提取，确定多维特征数据；基于所述多维特征数据，利用机器学习分类模型，确定所述待处理眼底图像的分类结果；在所述视盘区域的遮挡结果和/或所述血管区域未被遮挡的情况下...

【专利技术属性】
技术研发人员：王茜，董洲，凌赛广，柯鑫，
申请(专利权)人：依未科技北京有限公司，
类型：发明
国别省市：