技术特征：
1.一种白内障分类方法，其特征在于，包括：获取待测眼底图像；将所述待测眼底图像输入至已训练好的白内障分类网络，得到输出特征向量；根据所述输出特征向量，得到所述待测眼底图像的类型信息。2.根据权利要求1所述的白内障分类方法，其特征在于，所述待测眼底图像的类型信息包括至少一种以下眼底图像类型：皮质性白内障、核性白内障、后囊下白内障、无白内障。3.根据权利要求1所述的白内障分类方法，其特征在于，所述白内障分类网络的训练步骤包括：获取多张样本眼底图像以及所述样本眼底图像对应的白内障类别；将所述样本眼底图像输入至待训练的所述白内障分类网络，得到所述样本眼底图像对应的样本特征向量；将所述样本特征向量进行分类，得到的所述样本特征向量与所述样本眼底图像对应的白内障类别相对应。4.根据权利要求1所述的白内障分类方法，其特征在于，所述将所述待测眼底图像输入至已训练好的白内障分类网络之前，包括：对所述待测眼底图像的尺寸均一化；对所述待测眼底图像的rgb值均一化；将尺寸、rgb值均一化后的结果更新为所述待测眼底图像。5.根据权利要求4所述的白内障分类方法，其特征在于，所述对所述待测眼底图像的尺寸均一化，包括：将所述待测眼底图像的尺寸统一为n0*n0，其中，n0为大于等于1的正整数；所述对所述待测眼底图像的rgb值均一化，包括：根据预设的rgb均值和rgb方差，计算所述待测眼底图像的rgb值，其中，所述待测眼底图像的rgb值可以表示为：x＝(x-mean(x))/std(x)其中，mean为预设的rgb均值，std为预设的rgb方差，且经过尺寸、rgb值均一化后的所述待测眼底图像为3通道的n0*n0结构。6.根据权利要求1至5任一项所述的白内障分类方法，其特征在于，所述将所述待测眼底图像输入至已训练好的白内障分类网络，得到输出特征向量，包括：将所述待测眼底图像通过多级卷积网络模块进行扩充，得到第一特征图集，其中，所述第一特征图集为m通道的n
t
*n
t
结构，m为大于等于1的正整数,n
t
为大于等于1的正整数；将所述第一特征图集依次通过池化层、全连接层和激活函数，得到输出特征向量。7.根据权利要求6所述的白内障分类方法，其特征在于，所述卷积网络模块的通道数逐级增加，和/或，所述卷积网络模块生成的特征图的尺寸逐级递减，以使得所述第一特征图集中特征图的尺寸满足：n
t
＝n0/2
s
，s为卷积网络模块的级数。8.根据权利要求7所述的白内障分类方法，其特征在于，所述待测眼底图像为3通道的n*n结构；所述将所述待测眼底图像通过多级卷积网络模块进行扩充，得到第一特征图集，包括：
将所述待测眼底图像通过第一级卷积网络模块，得到第二特征图集，其中，所述第二特征图集为m/25通道的n/22*n/22的结构；将所述第二特征图集通过第二级卷积网络模块，得到第三特征图集，其中，所述第三特征图集为m/23通道的n/22*n/22结构；将所述第三特征图集通过第三级卷积网络模块，得到第四特征图集，其中，所述第四特征图集为m/22通道的n/23*n/23结构；将所述第四特征图集通过第四级卷积网络模块，得到第五特征图集，其中，所述第五特征图集为m/2通道的n/24*n/24结构；将所述第五特征图集通过第五级卷积网络模块，得到第一特征图集,其中，n
t
＝n0/25。9.根据权利要求8所述的白内障分类方法，其特征在于，所述将所述待测眼底图像通过第一级卷积网络模块，得到第二特征图集，包括：将所述待测眼底图像通过卷积核；将经过所述卷积核的所述待测眼底图像依次通过批量归一化层、激活函数以及最大池化层，得到第二特征图集。10.根据权利要求8所述的白内障分类方法，其特征在于，所述第二级卷积网络模块、所述第三级卷积网络模块、所述第四分类网络模块和所述第五级卷积网络模块分别包括多个残差模块。11.一种病灶点可视化方法，其特征在于，包括：获取待测眼底图像；将所述待测眼底图像通过已训练好的白内障分类网络中的多级卷积网络模块，得到第一特征图集；根据所述第一特征图集，计算所述第一特征图集对应的类激活图；将所述类激活图与所述待测眼底图像叠加，得到用于可视化病灶点的目标图像；输出所述目标图像。12.根据权利要求11所述的病灶点可视化方法，其特征在于，包括：所述根据所述第一特征图集，计算所述第一特征图集对应的类激活图，包括：根据所述第一特征图集，计算所述第一特征图集对应的梯度图集；对所述梯度图集的梯度图求取平均，得到所述第一特征图集中的特征图对应的权重；将所述第一特征图集中的特征图与对应的权重进行加权求和并通过激活函数，得到所述第一特征图集对应的类激活图。13.一种白内障分类装置，其特征在于，包括：图像采集模块，所述图像采集模块用于获取待测眼底图像；分类网络模块，所述分类网络模块用于将所述待测眼底图像输入至已训练好的白内障分类网络，得到输出特征向量；分类判别模块，所述图像判别模块用于根据所述输出特征向量，得到所述待测眼底图像的类型信息。14.一种电子设备，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时如权利要求1至10所述的白内障分类方法和/或如权利要求11至12所述的病灶点可视化方法。
15.一种计算机存储介质，其特征在于，包括存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至10所述的白内障分类方法和/或如权利要求11至12所述的病灶点可视化方法。
技术总结
本发明公开了一种白内障分类方法、病灶点可视化方法及相关装置，应用于图像处理领域，包括获取待测眼底图像；将所述待测眼底图像输入至已训练好的白内障分类网络，得到输出特征向量；根据所述输出特征向量，得到所述待测眼底图像的类型信息。获取待测眼底图像，将待测眼底图像输入至已训练好的白内障分类网络，得到特征向量，并根据输出特征向量，对待测眼底图像进行分类，得到待测眼底图像的类型信息，该白内障分类方法能够获取待测眼底图像对应的白内障分类结果，减少了人工判断的过程，使得患者的治疗更加即时，提升了用户的使用体验。验。验。
技术研发人员：马岚 魏文斌 高伟豪 邵蕾 李方 董力 张川 秦培武
受保护的技术使用者：首都医科大学附属北京同仁医院
技术研发日：2022.04.27
技术公布日：2022/8/30