本技術(shù)一般涉及圖像識(shí)別。更具體地，本技術(shù)涉及一種用于肥胖種類的識(shí)別模型的訓(xùn)練方法、設(shè)備，一種用于肥胖種類識(shí)別的裝置以及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、肥胖已成為全球范圍內(nèi)的重大公共衛(wèi)生問題，其與多種代謝疾病(如2型糖尿病、高血壓和心血管疾病)密切相關(guān)，而并非所有肥胖個(gè)體都表現(xiàn)出這些代謝紊亂，這就引出了代謝健康型肥胖(metabolically?healthy?obesity，“mho”)和代謝非健康型肥胖(metabolicallyunhealthy?obesity，“muo”)。mho和muo的識(shí)別涉及區(qū)分肥胖個(gè)體在代謝健康狀況上的差異。mho個(gè)體盡管體重超標(biāo)或肥胖，但沒有代謝綜合征相關(guān)的健康問題，如高血壓、高血糖、異常的脂質(zhì)水平等；muo個(gè)體則伴隨有這些問題。因此muo的識(shí)別對于早期診斷、預(yù)防及管理肥胖相關(guān)代謝疾病尤為重要，有助于減少醫(yī)療成本和提高患者生活質(zhì)量。當(dāng)前，肥胖種類識(shí)別方法主要基于體重、體質(zhì)指數(shù)(bmi)、腰圍測量以及血液生化指標(biāo)的評估，如血糖、血脂和血壓等。這些方法雖然在一定程度上有效，但存在一定的局限性，比如bmi不能準(zhǔn)確反映個(gè)體的脂肪分布和體內(nèi)脂肪含量。這些檢測通常還需要多次侵入性采樣，給患者帶來不便。

2、近年來，隨著醫(yī)學(xué)影像技術(shù)的進(jìn)步，非侵入性的影像學(xué)檢測方法逐漸受到關(guān)注。視網(wǎng)膜圖像因其能夠無創(chuàng)地揭示微血管的健康狀況而成為研究焦點(diǎn)，其中視網(wǎng)膜微血管的改變可能與代謝病態(tài)相關(guān)，這為利用視網(wǎng)膜圖像進(jìn)行肥胖識(shí)別提供了新的途徑。通過借助于機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)技術(shù)，利用復(fù)雜的算法模型處理大量視網(wǎng)膜圖像數(shù)據(jù)并從中學(xué)習(xí)的模式，能夠揭示肥胖人群中代謝異常的微妙特征。在實(shí)際應(yīng)用場景中，由于視網(wǎng)膜圖像數(shù)據(jù)有限，由此在對模型訓(xùn)練時(shí)往往需要通過數(shù)據(jù)增強(qiáng)操作(例如裁剪)來增大訓(xùn)練樣本。然而，現(xiàn)有的數(shù)據(jù)增強(qiáng)操作采取的是直接對訓(xùn)練數(shù)據(jù)進(jìn)行隨機(jī)裁剪，這會(huì)使得在學(xué)習(xí)過程中錯(cuò)過關(guān)鍵信息，導(dǎo)致在嵌入空間中優(yōu)化目標(biāo)與背景的距離誤導(dǎo)表征的學(xué)習(xí)，降低模型的準(zhǔn)確性。

3、有鑒于此，亟需提供一種用于肥胖種類的識(shí)別模型的訓(xùn)練方法，從而可以通過非侵入性的影像學(xué)檢測方式識(shí)別肥胖種類，同時(shí)提高識(shí)別的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、為了至少解決如上所提到的一個(gè)或多個(gè)技術(shù)問題，本技術(shù)在多個(gè)方面中提出了一種用于肥胖種類的識(shí)別模型的訓(xùn)練方法及相關(guān)產(chǎn)品的方案。

2、在第一方面中，本技術(shù)提供一種用于肥胖種類的識(shí)別模型的訓(xùn)練方法，包括：對被檢者的視網(wǎng)膜圖像和檢查信息進(jìn)行預(yù)處理，以獲得包含所述視網(wǎng)膜圖像的目標(biāo)數(shù)據(jù)；將所述目標(biāo)數(shù)據(jù)輸入至識(shí)別模型進(jìn)行肥胖種類識(shí)別操作，以獲得目標(biāo)熱力圖；基于所述目標(biāo)熱力圖進(jìn)行目標(biāo)裁剪操作，以裁剪出所述目標(biāo)數(shù)據(jù)中視網(wǎng)膜圖像的關(guān)鍵區(qū)域；以及基于所述目標(biāo)數(shù)據(jù)和所述關(guān)鍵區(qū)域的圖像生成訓(xùn)練樣本，以對比學(xué)習(xí)的方式對識(shí)別肥胖種類的所述識(shí)別模型進(jìn)行訓(xùn)練。

3、在一些實(shí)施例中，其中基于所述目標(biāo)熱力圖進(jìn)行目標(biāo)裁剪操作，以裁剪出所述目標(biāo)數(shù)據(jù)中視網(wǎng)膜圖像的關(guān)鍵區(qū)域包括：將所述目標(biāo)熱力圖中大于目標(biāo)閾值的激活點(diǎn)數(shù)值替換為目標(biāo)指示數(shù)值，以得到目標(biāo)矩陣；從所述目標(biāo)矩陣中提取包含所有目標(biāo)指示數(shù)值的最小矩形區(qū)域，以作為目標(biāo)定位框；以及利用隨機(jī)裁剪函數(shù)獲取包含在所述目標(biāo)定位框內(nèi)的裁剪框的定位信息，以得到所述目標(biāo)數(shù)據(jù)中視網(wǎng)膜圖像的關(guān)鍵區(qū)域。

4、在另一些實(shí)施例中，其中利用隨機(jī)裁剪函數(shù)獲取包含在所述目標(biāo)定位框內(nèi)的裁剪框的定位信息，以得到所述目標(biāo)數(shù)據(jù)中視網(wǎng)膜圖像的關(guān)鍵區(qū)域包括：增大隨機(jī)采樣的方差，以得到中間低周圍高的u型β隨機(jī)概率分布；利用所述u型β隨機(jī)概率分布優(yōu)化隨機(jī)裁剪函數(shù)，以降低生成的裁剪框出現(xiàn)在圖像中心的概率；以及使用優(yōu)化后的隨機(jī)裁剪函數(shù)獲取包含在所述目標(biāo)定位框內(nèi)的裁剪框的定位信息，以得到所述目標(biāo)數(shù)據(jù)中視網(wǎng)膜圖像的關(guān)鍵區(qū)域。

5、在又一些實(shí)施例中，其中，在利用隨機(jī)裁剪函數(shù)獲取包含在所述目標(biāo)定位框內(nèi)的裁剪框的定位信息，以得到所述目標(biāo)數(shù)據(jù)中視網(wǎng)膜圖像的關(guān)鍵區(qū)域之后，還包括：調(diào)整所述裁剪框的大小與位置，所述調(diào)整用于生成新的定位信息，以對所述關(guān)鍵區(qū)域進(jìn)行更新；和/或?qū)λ霾眉艨蜻M(jìn)行自適應(yīng)的縮放，所述縮放用于生成新的定位信息，以對所述關(guān)鍵區(qū)域進(jìn)行更新。

6、在又一些實(shí)施例中，其中調(diào)整所述裁剪框的大小與位置，所述調(diào)整用于生成新的定位信息，以對所述關(guān)鍵區(qū)域進(jìn)行更新包括：將所述裁剪框的中心點(diǎn)的第一坐標(biāo)值和第二坐標(biāo)值分別減去目標(biāo)填充值的一半，以對應(yīng)替換所述第一坐標(biāo)值和所述第二坐標(biāo)值；以及將所述裁剪框的寬度值和高度值分別增加目標(biāo)填充值，以對應(yīng)替換所述寬度值和所述高度值。

7、在又一些實(shí)施例中，其中對所述裁剪框進(jìn)行自適應(yīng)的縮放，所述縮放用于生成新的定位信息，以對所述關(guān)鍵區(qū)域進(jìn)行更新包括：將所述裁剪框的寬度值、高度值和中心點(diǎn)的第一坐標(biāo)值和第二坐標(biāo)值分別與目標(biāo)縮放因子相乘，以對應(yīng)替換所述寬度值、所述高度值、所述第一坐標(biāo)值和所述第二坐標(biāo)值。

8、在又一些實(shí)施例中，其中通過以下操作計(jì)算所述目標(biāo)填充值：獲取所述目標(biāo)定位框的寬度值或高度值，所述寬度值或所述高度值用于與預(yù)設(shè)比例系數(shù)相乘，以得到所述目標(biāo)填充值。

9、在又一些實(shí)施例中，其中通過以下操作計(jì)算所述目標(biāo)縮放因子：將所述視網(wǎng)膜圖像的寬度值除以所述目標(biāo)熱力圖的寬度值，以得到所述目標(biāo)縮放因子；或?qū)⑺鲆暰W(wǎng)膜圖像的高度值除以所述目標(biāo)熱力圖的高度值，以得到所述目標(biāo)縮放因子。

10、在又一些實(shí)施例中，其中對被檢者的視網(wǎng)膜圖像和檢查信息進(jìn)行預(yù)處理包括：采集被檢者的檢查信息，以用于進(jìn)行數(shù)據(jù)清洗；將所述數(shù)據(jù)清洗后的檢查信息中的數(shù)值與一個(gè)或多個(gè)目標(biāo)閾值和/或目標(biāo)范圍進(jìn)行比較；以及基于所述比較的結(jié)果，對所述檢查信息內(nèi)的視網(wǎng)膜圖像建立標(biāo)簽為代謝非健康型肥胖和代謝健康型肥胖的二分類目標(biāo)數(shù)據(jù)。

11、在第二方面中，本技術(shù)提供一種用于肥胖種類的識(shí)別模型訓(xùn)練的設(shè)備，包括：處理器、存儲(chǔ)器、系統(tǒng)總線；其中，所述處理器以及所述存儲(chǔ)器通過所述系統(tǒng)總線相連；所述存儲(chǔ)器用于存儲(chǔ)一個(gè)或多個(gè)程序，所述一個(gè)或多個(gè)程序包括指令，所述指令當(dāng)被所述處理器執(zhí)行時(shí)使所述處理器執(zhí)行第一方面中任意一項(xiàng)所述的方法。

12、在第三方面中，本技術(shù)提供一種用于肥胖種類識(shí)別的裝置，包括：處理器；以及存儲(chǔ)器，其上存儲(chǔ)有肥胖種類識(shí)別模型的計(jì)算機(jī)指令，當(dāng)所述計(jì)算機(jī)指令由處理器執(zhí)行時(shí)，使得所述裝置執(zhí)行以下操作：獲取待識(shí)別的視網(wǎng)膜圖像；以及將所述視網(wǎng)膜圖像輸入至根據(jù)上述第一方面所述的方法訓(xùn)練完成的識(shí)別模型進(jìn)行肥胖種類識(shí)別，獲得識(shí)別肥胖種類的識(shí)別結(jié)果。

13、在第四方面中，本技術(shù)提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，包括其上存儲(chǔ)有用于肥胖種類的識(shí)別模型訓(xùn)練的計(jì)算機(jī)程序指令，該計(jì)算機(jī)程序指令被一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得實(shí)現(xiàn)根據(jù)第一方面中任意一項(xiàng)所述的方法；或者其上存儲(chǔ)有用于肥胖種類識(shí)別的計(jì)算機(jī)程序指令，該計(jì)算機(jī)程序指令被一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得實(shí)現(xiàn)第三方面中所述的裝置執(zhí)行的操作

14、通過如上提供的一種用于肥胖種類的識(shí)別模型的訓(xùn)練方案，本技術(shù)實(shí)施例通過將包含視網(wǎng)膜圖像的目標(biāo)數(shù)據(jù)輸入至識(shí)別模型進(jìn)行肥胖種類識(shí)別操作獲得目標(biāo)熱力圖，接著通過目標(biāo)裁剪操作直接裁剪出視網(wǎng)膜圖像的關(guān)鍵區(qū)域，并采用對比學(xué)習(xí)的方式，從而有助于更有效、更準(zhǔn)確地學(xué)習(xí)關(guān)鍵區(qū)域特征，以提高識(shí)別模型的準(zhǔn)確性，并且基于視網(wǎng)膜圖像對肥胖種類進(jìn)行識(shí)別，能夠無創(chuàng)地揭示微血管的健康狀況從而判斷肥胖類型。