一种基于多任务学习的早产儿视网膜病变自动分区方法

本发明涉及眼部医学影像检测领域，更具体，公开了一种基于多任务学习的早产儿视网膜病变自动分区方法，包括以下步骤：对早产儿视网膜病变图像中视盘和黄斑坐标进行标注；对标注好的早产儿视网膜病变图像进行数据预处理并划分为训练集和验证集，建立网络模型，将数据增强后的数据放入网络中得到输出结果，计算训练的输出结果与真实标签之间的误差，训练完成后，在验证集上评估模型的性能，计算黄斑和视盘定位的平均欧式距离误差，基于早产儿视网膜病变分区定义实现早产儿视网膜病变自动分区，本发明利用一种基于多任务学习的早产儿视网膜病变分区方法实现早产儿视网膜病变自动分区，利用两个任务之间的相关性实现视盘和黄斑中心定位任务之间的相互指导，有助于优化视盘和黄斑中心的定位任务，进而提高了定位的准确性和分区的精度，解决了计算机辅助诊疗早产儿视网膜病变的问题。