(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210192386.5 (22)申请日 2022.03.01 (65)同一申请的已公布的文献号 申请公布号 CN 114266769 A (43)申请公布日 2022.04.01 (73)专利权人 北京鹰瞳科技发展股份有限公司 地址 100081 北京市海淀区北理工国防科 技园2号楼4层21室 (72)发明人 刘家明　陈荡荡　 (74)专利代理 机构 北京维昊知识产权代理事务 所(普通合伙) 11804 专利代理师 孙新国 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) (56)对比文件 CN 113962311 A,2022.01.21 CN 113962311 A,2022.01.21 CN 109558912 A,2019.04.02 CN 109727259 A,2019.0 5.07 CN 109886971 A,2019.0 6.14 CN 110120047 A,2019.08.13 CN 111046835 A,2020.04.21 US 20213195 55 A1,2021.10.14 冯忠伟.基于深度学习的眼底视网膜图像分 割研究. 《中国优秀博硕士学位 论文全文数据库 (硕士)医药卫 生科技辑》 .2020,(第01期), 张庆雷 等.基 于快速区域卷积神经网络对 于胸部数字X线摄 影图像异物的自动检测. 《临床 放射学杂志》 .202 2,第41卷(第2期), 万亚利 等.基 于深度可分离卷积的组织病 理图像分类. 《新型工业 化》 .2021,第1 1卷(第07 期), (续) 审查员 陈琪蒙 (54)发明名称 一种基于神经网络模型进行眼部疾病识别 的系统及其方法 (57)摘要 本公开涉及一种基于神经网络模型进行眼 部疾病识别的系统及其方法。 该系统包括一个或 多个处理器； 分割网络模 型； 分类识别网络模型； 以及一个或多个计算机可读存储介质， 其存储有 实现所述分割网络模型和所述分类识别网络模 型的程序指令， 当所述程序指令由所述一个或多 个处理器执行时， 使得： 所述分割网络模型接收 眼前节图像并对 所述眼前节图像进行分割， 以获 得眼前节中的生理结构区域图像； 以及所述分类 识别网络模型从所述分割网络模型接收所述眼 前节中的生理结构区域图像并对所述生理结构 区域图像进行分类识别， 以输出用于眼部疾病识别的识别结果。 利用本公开的方案， 能够基于眼 前节图像获得高精度的眼部疾病识别结果。 [转续页] 权利要求书2页 说明书9页 附图4页 CN 114266769 B 2022.06.21 CN 114266769 B (56)对比文件 NAHIAN SID DIQUE 等.U-Net and Its Variants for Medical Ima ge Segmentati on: A Review of Theory and Ap plications. 《IEEE Access》 .2021,2/2 页 2[接上页] CN 114266769 B1.一种基于神经网络模型进行眼部疾病识别的系统， 其特 征在于， 包括： 一个或多个处 理器； 分割网络模型； 分类识别网络模型； 以及 一个或多个计算机可读存储介质， 其存储有实现所述分割网络模型和所述分类识别网 络模型的程序指令， 当所述 程序指令由所述 一个或多个处 理器执行时， 使得： 所述分割网络模型接收眼前节图像并对所述眼前节图像进行分割， 以获得眼前节中的 生理结构区域图像； 以及 所述分类识别网络模型从所述分割 网络模型接收所述眼前节中的生理结构区域图像 并对所述 生理结构区域图像进行分类识别， 以输出用于眼部疾病识别的识别结果， 其中， 所述分割 网络模型包括编码模块和解码模块， 所述编码模块包括多个第一残差 块， 并且用于对眼前节图像进行下采样编码， 以提取与所述眼前节中的生理结构区域图像 相关的第一特 征图像； 所述分类识别网络模型包括特征提取模块和分类识别模块， 所述特征提取模块包括多 个第三卷积层和多个深度分离卷积层， 并且所述多个深度卷积层为具有反向残差结构的深 度分离卷积层； 其中， 所述分类识别网络模型为基于MobilenetV2改进后的模型， 改进后的 MobilenetV2去掉了倒数  2 层之后的网络层， 并将所有卷积层通道数降为原来的1/4。 2.根据权利要求1所述的系统， 其特征在于， 所述眼前节中的生理结构区域图像至少包 括球结膜区域图像、 睑结膜区域图像、 虹膜区域图像和/或角膜区域图像。 3.根据权利要求1所述的系统， 其特征在于， 所述一个或多个计算机可读存储介质还存 储有对所述眼前节图像进 行预处理的程序指令， 当所述程序指 令由所述一个或多个处理器 运行时， 执行对所述眼前节图像进行图像变换和/或图像标准化操作， 以对所述眼前节图像 进行预处理。 4.根据权利要求2所述的系统， 其特征在于， 所述一个或多个计算机可读存储介质还存 储有实现归一 化操作的程序指令， 当所述 程序指令由所述 一个或多个处 理器运行时， 使得： 对所述分割网络模型的分割结果执行归一化操作， 以获得眼前节中的生理结构区域图 像； 以及 对所述分类识别网络模型的分类识别结果执行归一化操作， 以输出用于眼部疾病识别 的识别结果。 5.根据权利要求4所述的系统， 其特征在于， 所述一个或多个计算机可读存储介质还存 储有计算所述分割网络模型中的损失函数的程序指 令， 当所述程序指 令由所述一个 或多个 处理器运行时， 使得： 分别计算所述分割网络模型中的第一损失函数和第二损失函数； 以及 将所述第一损失函数和所述第 二损失函数进行相加， 以获得所述分割网络模型中的最 终损失函数。 6.根据权利要求1所述的系统， 其特征在于， 所述解码模块包括多个第二残差块， 并且 用于基于所述第一特 征图像进行 上采样解码， 以获得 所述眼前节中的生理结构区域图像。 7.根据权利要求6所述的系统， 其特征在于， 每个所述第 一残差块均包括多个第 一卷积权　利　要　求　书 1/2 页 2 CN 114266769 B 3