特表2022-533685 | 知財ポータル「IP Force」

知財求人 - 知財ポータルサイト「IP Force」

青山学院大学 (神奈川県相模原市中央区淵野辺)

▶ 平安科技（深▲せん▼）有限公司の特許一覧

特表2022-533685ニューラルネットワークに基づくＣ／Ｄ比決定方法、装置、機器及び記憶媒体

書誌要約請求の範囲詳細な説明課題実施例実施するための形態図面の説明

目に優しい文字サイズ小中大 PDF Top

< >

1
2
3
4
5
6
7
8

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2022-07-25

(54)【発明の名称】ニューラルネットワークに基づくＣ／Ｄ比決定方法、装置、機器及び記憶媒体

(51)【国際特許分類】

A61B 3/14 20060101AFI20220715BHJP

G06T 7/00 20170101ALI20220715BHJP

G06V 10/32 20220101ALI20220715BHJP

G06V 10/82 20220101ALI20220715BHJP

【ＦＩ】

A61B3/14

G06T7/00 350C

G06V10/32

G06V10/82

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2021568938

(86)(22)【出願日】2020-10-30

(85)【翻訳文提出日】2021-11-18

(86)【国際出願番号】 CN2020125009

(87)【国際公開番号】W WO2021189849

(87)【国際公開日】2021-09-30

(31)【優先権主張番号】202010992346.X

(32)【優先日】2020-09-21

(33)【優先権主張国・地域又は機関】CN

(81)【指定国・地域】

(71)【出願人】

【識別番号】517406065

【氏名又は名称】平安科技（深▲せん▼）有限公司

【氏名又は名称原語表記】ＰＩＮＧＡＮＴＥＣＨＮＯＬＯＧＹ（ＳＨＥＮＺＨＥＮ）ＣＯ．，ＬＴＤ．

【住所又は居所原語表記】２３Ｆ，Ｐｉｎｇ’ａｎＦｉｎａｎｃｉａｌＣｅｎｔｅｒ，Ｎｏ．５０３３ＹｉｔｉａｎＲｏａｄ，Ｆｕ’ａｎＣｏｍｍｕｎｉｔｙｏｆＦｕｔｉａｎＳｔｒｅｅｔ，ＦｕｔｉａｎＤｉｓｔｒｉｃｔＳｈｅｎｚｈｅｎ，Ｇｕａｎｇｄｏｎｇ５１８０００Ｃｈｉｎａ

(74)【代理人】

【識別番号】110002262

【氏名又は名称】ＴＲＹ国際特許業務法人

(72)【発明者】

【氏名】李葛

(72)【発明者】

【氏名】成冠挙

(72)【発明者】

【氏名】曽嬋

(72)【発明者】

【氏名】高鵬

(72)【発明者】

【氏名】謝国▲とん▼

【テーマコード（参考）】

4C316

5L096

【Ｆターム（参考）】

4C316AA09

4C316AB16

4C316FB21

4C316FB26

5L096AA06

5L096BA06

5L096BA13

5L096CA01

5L096EA13

5L096FA32

5L096FA64

5L096FA66

5L096GA51

5L096HA11

(57)【要約】

本願は、人工知能分野に関し、具体的にはニューラルネットワークを用い、且つニューラルネットワークに基づくＣ／Ｄ比決定方法、装置、機器及び記憶媒体を開示し、前記方法は、眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を含む。決定したＣ／Ｄ比の精度を向上させ、疾患スクリーニング過程における過度なスクリーニング、スクリーニング漏れなどの状況を減少させる。本願は、知的医療分野に適用される。

【特許請求の範囲】

【請求項1】

ニューラルネットワークに基づくＣ／Ｄ比決定方法であって、
眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、
前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、
前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、
前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を含む、
ニューラルネットワークに基づくＣ／Ｄ比決定方法。

【請求項2】

前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得る前記ステップは、
前記眼底画像を検出し、Ｄｉｓｃ領域の境界座標を得るステップと、
前記境界座標に基づいて前記眼底画像をトリミングし、Ｄｉｓｃ領域を得るステップと、を含む、
請求項１に記載のニューラルネットワークに基づくＣ／Ｄ比決定方法。

【請求項3】

前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力する前記ステップの前に、
前記Ｄｉｓｃ領域に対して前処理を行うステップであって、前記前処理が伸縮処理を含むステップを含む、
請求項１に記載のニューラルネットワークに基づくＣ／Ｄ比決定方法。

【請求項4】

前記予めトレーニングしたニューラルネットワークは、特徴抽出層、畳み込み層、接続層、画像分割層及び回帰予測層を含み、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得る前記ステップは、
前記特徴抽出層によって前記Ｄｉｓｃ領域に対して特徴抽出を行い、前記Ｄｉｓｃ領域に対応する第１特徴画像を得るステップと、
前記畳み込み層によって前記第１特徴画像に対して畳み込み操作を行い、予測Ｃ／Ｄ比を表す第２特徴画像及びＣｕｐＤｉｓｃの分割画像を表す第３特徴画像を得るステップと、
前記接続層によって前記第２特徴画像と前記第３特徴画像とを接続し、接続後の第４特徴画像を得るステップと、
前記第４特徴画像を前記回帰予測層に入力し、予測Ｃ／Ｄ比を得るステップと、
前記第４特徴画像を前記画像分割層に入力し、ＣｕｐＤｉｓｃの分割画像を得るステップと、を含む、
請求項１に記載のニューラルネットワークに基づくＣ／Ｄ比決定方法。

【請求項5】

前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定する前記ステップは、
前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定するステップと、
前記Ｃｕｐ直径及びＤｉｓｃ直径に基づいて算術Ｃ／Ｄ比を決定するステップと、を含む、
請求項１に記載のニューラルネットワークに基づくＣ／Ｄ比決定方法。

【請求項6】

前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定する前記ステップは、
前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ外輪郭及びＤｉｓｃ外輪郭を決定するステップと、
前記Ｃｕｐ外輪郭及びＤｉｓｃ外輪郭に基づいてそれぞれＣｕｐの最小外接矩形及びＤｉｓｃの最小外接矩形を決定するステップと、
前記Ｃｕｐの最小外接矩形及びＤｉｓｃの最小外接矩形に基づいてそれぞれＣｕｐ直径及びＤｉｓｃ直径を決定するステップと、を含む、
請求項５に記載のニューラルネットワークに基づくＣ／Ｄ比決定方法。

【請求項7】

前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定する前記ステップは、
前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差を計算するステップと、
前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第１閾値以下である場合、前記算術Ｃ／Ｄ比を実際Ｃ／Ｄ比とするステップと、
前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第２閾値よりも大きい場合、前記予測Ｃ／Ｄ比を実際Ｃ／Ｄ比とするステップと、
前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第１閾値よりも大きく第２閾値以下である場合、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との平均値を計算し、且つ前記平均値を実際Ｃ／Ｄ比とするステップと、を含む、
請求項１に記載のニューラルネットワークに基づくＣ／Ｄ比決定方法。

【請求項8】

ニューラルネットワークに基づくＣ／Ｄ比決定装置であって、
眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るための画像検出モジュールと、
前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るためのネットワーク予測モジュールと、
前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するための算術決定モジュールと、
前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するための実際決定モジュールと、を含む、
ニューラルネットワークに基づくＣ／Ｄ比決定装置。

【請求項9】

コンピュータ機器であって、メモリと、プロセッサと、を含み、
前記メモリは、コンピュータプログラムを記憶するために用いられ、
前記プロセッサは、前記コンピュータプログラムを実行し且つ前記コンピュータプログラムを実行するときに、
眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、
前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、
前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、
前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を実現するために用いられる、
コンピュータ機器。

【請求項10】

前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得る前記ステップは、
前記眼底画像を検出し、Ｄｉｓｃ領域の境界座標を得るステップと、
前記境界座標に基づいて前記眼底画像をトリミングし、Ｄｉｓｃ領域を得るステップと、を含む、
請求項９に記載のコンピュータ機器。

【請求項11】

前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力する前記ステップの前に、前記プロセッサは、前記コンピュータプログラムを実行し、さらに、
前記Ｄｉｓｃ領域に対して前処理を行うステップであって、前記前処理が伸縮処理を含むステップを実現する、
請求項９に記載のコンピュータ機器。

【請求項12】

【請求項13】

前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定する前記ステップは、
前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定するステップと、
前記Ｃｕｐ直径及びＤｉｓｃ直径に基づいて算術Ｃ／Ｄ比を決定するステップと、を含む、
請求項９に記載のコンピュータ機器。

【請求項14】

【請求項15】

【請求項16】

コンピュータ読み取り可能な記憶媒体であって、前記コンピュータ読み取り可能な記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムは、プロセッサによって実行されると、
眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、
前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、
前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、
前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を前記プロセッサに実現させる、
コンピュータ読み取り可能な記憶媒体。

【請求項17】

前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得る前記ステップは、
前記眼底画像を検出し、Ｄｉｓｃ領域の境界座標を得るステップと、
前記境界座標に基づいて前記眼底画像をトリミングし、Ｄｉｓｃ領域を得るステップと、を含む、
請求項１６に記載のコンピュータ読み取り可能な記憶媒体。

【請求項18】

前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力する前記ステップの前に、前記コンピュータプログラムは、プロセッサによって実行されると、
前記Ｄｉｓｃ領域に対して前処理を行うステップであって、前記前処理が伸縮処理を含むステップを前記プロセッサにさらに実現させる、
請求項１６に記載のコンピュータ読み取り可能な記憶媒体。

【請求項19】

前記予めトレーニングしたニューラルネットワークは、特徴抽出層、畳み込み層、接続層、画像分割層及び回帰予測層を含み、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得る前記ステップは、
前記特徴抽出層によって前記Ｄｉｓｃ領域に対して特徴抽出を行い、前記Ｄｉｓｃ領域に対応する第１特徴画像を得るステップと、
前記畳み込み層によって前記第１特徴画像に対して畳み込み操作を行い、予測Ｃ／Ｄ比を表す第２特徴画像及びＣｕｐＤｉｓｃの分割画像を表す第３特徴画像を得るステップと、
前記接続層によって前記第２特徴画像と前記第３特徴画像とを接続し、接続後の第４特徴画像を得るステップと、
前記第４特徴画像を前記回帰予測層に入力し、予測Ｃ／Ｄ比を得るステップと、
前記第４特徴画像を前記画像分割層に入力し、ＣｕｐＤｉｓｃの分割画像を得るステップと、を含む、
請求項１６に記載のコンピュータ読み取り可能な記憶媒体。

【請求項20】

前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定する前記ステップは、
前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定するステップと、
前記Ｃｕｐ直径及びＤｉｓｃ直径に基づいて算術Ｃ／Ｄ比を決定するステップと、を含む、
請求項１６に記載のコンピュータ読み取り可能な記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本願は、２０２０年９月２１日に中国国家知識産権局に提出された、出願番号ＣＮ２０２０１０９９２３４６Ｘ、発明の名称「ニューラルネットワークに基づくＣ／Ｄ比決定方法、装置、機器及び記憶媒体」の中国特許出願の優先権を主張し、その内容の全てが参照によって本願に組み込まれる。

【0002】

本願は、画像処理分野に関し、特に、ニューラルネットワークに基づく視神経乳頭陥凹（Ｃｕｐ）と視神経乳頭（Ｄｉｓｃ）の比（以下、Ｃ／Ｄ比）決定方法、装置、機器及び記憶媒体に関する。

【背景技術】

【0003】

緑内障は、失明につながる世界の３つの眼科疾患の１つであり、その不可逆性は、その早期診断と治療が患者の生活の質を高めるために重要な役割を果たすことにつながる。緑内障の自動スクリーニングの際には、通常、評価指標としてＣ／Ｄ比を用い、分割方法を採用して眼底画像におけるＣｕｐ及びＤｉｓｃを分割し、そしてＣ／Ｄ比を計算する。発明者らは、従来のＤｉｓｃ分割方法が眼底画像の画質の影響、例えば光の照射、遮蔽などを受けやすく、その結果、分割精度が低下し、ひいては計算したＣ／Ｄ比の精度が低く、過度なスクリーニングやスクリーニング漏れの状況が発生しやすいことを認識した。

【0004】

したがって、如何に決定したＣ／Ｄ比の精度を向上させ、疾患スクリーニング過程における過度なスクリーニング、スクリーニング漏れの状況を減少させるかが解決すべき問題となっている。

【発明の概要】

【0005】

ニューラルネットワークに基づくＣ／Ｄ比決定方法であって、前記方法は、眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を含む。

【0006】

ニューラルネットワークに基づくＣ／Ｄ比決定装置であって、前記装置は、眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るための画像検出モジュールと、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るためのネットワーク予測モジュールと、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するための算術決定モジュールと、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するための実際決定モジュールと、を含む。

【0007】

コンピュータ機器であって、前記コンピュータ機器は、メモリと、プロセッサと、を含み、前記メモリは、コンピュータプログラムを記憶するために用いられ、前記プロセッサは、前記コンピュータプログラムを実行し且つ前記コンピュータプログラムを実行するときに、
眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を実現するために用いられる。

【0008】

コンピュータ読み取り可能な記憶媒体であって、前記コンピュータ読み取り可能な記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムは、プロセッサによって実行されると、
眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を前記プロセッサに実現させる。

【図面の簡単な説明】

【0009】

本願の実施例の技術的解決手段をより明確に説明するために、以下、実施例の説明に必要な図面について簡単に説明し、明らかに、以下の説明における図面は本願の実施例の一部であり、当業者にとって、創造的な労働を行うことなく、これらの図面に基づいて他の図面を得ることができる。

【図1】本願の実施例によるニューラルネットワークに基づくＣ／Ｄ比決定方法の概略フローチャートである。

【図2】本願の実施例による眼底画像に対してＤｉｓｃ領域検出を行ってＤｉｓｃ領域を得る概略フローチャートである。

【図3】本願の実施例による眼底画像におけるＤｉｓｃ領域の概略図である。

【図4】本願の実施例によるＤｉｓｃ領域の概略図である。

【図5】本願の実施例による予めトレーニングしたニューラルネットワークの概略構造図である。

【図6】本願の実施例による算術Ｃ／Ｄ比決定の概略フローチャートである。

【図7】本願の実施例によるニューラルネットワークに基づくＣ／Ｄ比決定装置の概略ブロック図である。

【図8】本願の一実施例によるコンピュータ機器の構造を示すブロック図である。

【発明を実施するための形態】

【0010】

以下、本願の実施例における図面を参照して、本願の実施例における技術的解決手段を明確且つ完全に説明し、明らかに、説明された実施例は本願の実施例の一部であり、全ての実施例ではない。本願における実施例に基づいて、当業者が創造的な労働を行わずに得られる他の全ての実施例は、本願の保護範囲に属する。

【0011】

図面に示されるフローチャートは単なる例示であり、全ての内容及び操作／ステップを含む必要はなく、記載された順序で実行される必要もない。例えば、いくつかの操作／ステップは、分解、組み合わせ、又は部分的に結合することもできるので、実際に実行される順序は、実際の状況に応じて変わる可能性がある。

【0012】

本願の明細書で使用される用語は、特定の実施例を説明するためだけのものであり、本願を限定することを意図していないことを理解されたい。本願の明細書及び添付の特許請求の範囲において使用されるように、単数形の「ａ」、「ａｎ」及び「ｔｈｅ」は、文脈が明らかにそうでないことを示さない限り、複数形を含むことが意図される。

【0013】

本願の明細書及び添付の特許請求の範囲において使用される用語「及び／又は」は、関連して列挙された項目のうちの１つ又は複数の任意の組み合わせ、ならびに可能な全ての組み合わせを指し、これらの組み合わせを含むことも理解されたい。

【0014】

本願の実施例は、ニューラルネットワークに基づくＣ／Ｄ比決定方法、装置、コンピュータ機器及び記憶媒体を提供する。ニューラルネットワークに基づくＣ／Ｄ比決定方法は、人工知能を利用して緑内障疾患をスクリーニングすることができ、緑内障疾患の過度なスクリーニング、スクリーニング漏れの状況を低減する。

【0015】

以下、図面を参照して、本願のいくつかの実施形態について詳細に説明する。以下に説明する実施例及び実施例の特徴は、矛盾なく組み合わせることができる。

【0016】

図１を参照すると、図１は、本願の実施例によるニューラルネットワークに基づくＣ／Ｄ比決定方法の概略フローチャートである。当該ニューラルネットワークに基づくＣ／Ｄ比決定方法は、予めトレーニングしたニューラルネットワークにより予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像をそれぞれ出力し、ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を計算し、且つ最終的に算術Ｃ／Ｄ比及び予測Ｃ／Ｄ比に基づいてさらに実際Ｃ／Ｄ比を決定し、決定したＣ／Ｄ比の精度を向上させる。

【0017】

図１に示すように、当該ニューラルネットワークに基づくＣ／Ｄ比決定方法は、具体的には、ステップＳ１０１～ステップＳ１０４を含む。

【0018】

Ｓ１０１、眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得る。

【0019】

眼底画像を収集する機器により眼底画像を取得し、且つ取得した眼底画像に対してＤｉｓｃ領域の検出を行うことにより、Ｄｉｓｃ領域を得る。

【0020】

いくつかの実施例において、図２に示すように、眼底画像に対してＤｉｓｃ領域検出を行ってＤｉｓｃ領域を得るステップは、ステップＳ１０１１及びステップＳ１０１２を含む。

【0021】

Ｓ１０１１、前記眼底画像を検出し、Ｄｉｓｃ領域の境界座標を得る。

【0022】

眼底画像の検出には、種々の目標検出技術を採用することができ、例えば、ＭａｓｋＲＣＮＮモデルを採用して眼底画像を検出することにより、Ｄｉｓｃ領域の境界座標を得ることができる。ここで、境界座標とは、Ｄｉｓｃ領域の２つの対角座標であってもよく、図３に示すように、眼底画像におけるＤｉｓｃ領域の概略図であり、矩形枠内は眼底画像を検出して得られたＤｉｓｃ領域であり、Ｄｉｓｃ領域の境界座標は、矩形枠の左上隅と右下隅の座標であってもよい。

【0023】

Ｓ１０１２、前記境界座標に基づいて前記眼底画像をトリミングし、Ｄｉｓｃ領域を得る。

【0024】

境界座標に基づいて眼底画像をトリミングし、Ｄｉｓｃ領域の画像を得る。トリミングを行う際には、矩形枠の左上隅と右下隅の座標に基づいて眼底画像をトリミングすることにより、図４に示すようなＤｉｓｃ領域を得ることができる。

【0025】

Ｓ１０２、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得る。

【0026】

得られたＤｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、ニューラルネットワークが入力したＤｉｓｃ領域に基づいて予測し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を出力する。

【0027】

いくつかの実施例において、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力する前記ステップの前に、前記方法は、前記Ｄｉｓｃ領域に対して前処理を行うステップであって、前記前処理が伸縮処理を含むステップを含む。

【0028】

伸縮処理は、Ｄｉｓｃ領域の画像を特定のサイズ、例えば２５６＊２５６に処理するために用いられ、前記予めトレーニングしたニューラルネットワークがＤｉｓｃ領域の画像に対して特徴抽出を行うことを容易にする。

【0029】

いくつかの実施例において、前記予めトレーニングしたニューラルネットワークは、特徴抽出層、畳み込み層、接続層、画像分割層及び回帰予測層を含み、図５に示すように、本願の実施例による予めトレーニングしたニューラルネットワークのネットワーク構造概略図である。

【0030】

前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得る前記ステップは、前記特徴抽出層によって前記Ｄｉｓｃ領域に対して特徴抽出を行い、前記Ｄｉｓｃ領域に対応する第１特徴画像を得るステップと、前記畳み込み層によって前記第１特徴画像に対して畳み込み操作を行い、予測Ｃ／Ｄ比を表す第２特徴画像及びＣｕｐＤｉｓｃの分割画像を表す第３特徴画像を得るステップと、前記接続層によって前記第２特徴画像と前記第３特徴画像とを接続し、接続後の第４特徴画像を得るステップと、前記第４特徴画像を前記回帰予測層に入力し、予測Ｃ／Ｄ比を得るステップと、前記第４特徴画像を前記画像分割層に入力し、ＣｕｐＤｉｓｃの分割画像を得るステップと、を含む。

【0031】

Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力した後、ニューラルネットワークにおける特徴抽出層によってＤｉｓｃ領域に対して特徴抽出を行い、例えば、特徴抽出層は、ｍｏｂｉｌｅｎｅｔｖ２ネットワークを用いてＤｉｓｃ領域に対して特徴抽出を行い、さらにＤｉｓｃ領域に対応する第１特徴画像を得ることができる。

【0032】

第１特徴画像を得た後、畳み込み層は、第１特徴画像に対して畳み込み及び膨張畳み込み操作を行い、例えば、１＊１畳み込み及びｄｉｌａｔｉｏｎパラメータが６である膨張畳み込みを用いて畳み込み操作を行い、さらに予測Ｃ／Ｄ比を表す第２特徴画像及びＣｕｐＤｉｓｃの分割画像を表す第３特徴画像を得ることができる。

【0033】

接続層が予測Ｃ／Ｄ比を表す第２特徴画像とＣｕｐＤｉｓｃの分割画像を表す第３特徴画像とを接続し、接続を完了した第４特徴画像を得る。

【0034】

最終的に第４特徴画像を回帰予測層に入力して回帰予測を行い、予測Ｃ／Ｄ比を得て、及び第４特徴画像を画像分割層に入力して画像分割を行い、ＣｕｐＤｉｓｃの分割画像を得る。ここで、回帰予測層の損失関数は最小二乗平均誤差損失関数であり、画像分割層の損失関数は交差エントロピー損失関数である。

【0035】

Ｓ１０３、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定する。

【0036】

予めトレーニングしたニューラルネットワークから出力されたＣｕｐＤｉｓｃの分割画像に対して、当該ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を計算する。

【0037】

いくつかの実施例において、図６を参照すると、算術Ｃ／Ｄ比を決定するステップは、ステップＳ１０３１及びステップＳ１０３２を含む。

【0038】

Ｓ１０３１、前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定する。Ｓ１０３２、前記Ｃｕｐ直径及びＤｉｓｃ直径に基づいて算術Ｃ／Ｄ比を決定する。

【0039】

ＣｕｐＤｉｓｃの分割画像に基づいてそれぞれＣｕｐ直径及びＤｉｓｃ直径を決定し、Ｃｕｐ直径及びＤｉｓｃ直径を得た後、Ｃ／Ｄ比の計算式に基づいて算術Ｃ／Ｄ比を計算することができる。ここで、Ｃ／Ｄ比の計算式は、ＣＤＲ＝ＶＣＤ／ＶＤＤであり、ここで、ＣＤＲは計算した算術Ｃ／Ｄ比であり、ＶＣＤはＣｕｐ直径であり、ＶＤＤはＤｉｓｃ直径である。

【0040】

いくつかの実施例において、前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定する前記ステップは、前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ外輪郭及びＤｉｓｃ外輪郭を決定するステップと、前記Ｃｕｐ外輪郭及びＤｉｓｃ外輪郭に基づいてそれぞれＣｕｐの最小外接矩形及びＤｉｓｃの最小外接矩形を決定するステップと、前記Ｃｕｐの最小外接矩形及びＤｉｓｃの最小外接矩形に基づいてそれぞれＣｕｐ直径及びＤｉｓｃ直径を決定するステップと、を含む。

【0041】

最大外輪郭を探す方法を採用して、ＣｕｐＤｉｓｃの分割画像からＣｕｐ外輪郭及びＤｉｓｃ外輪郭をそれぞれ抽出し、次に回転キャリブレーションアルゴリズムを利用してそれぞれＣｕｐ外輪郭及びＤｉｓｃ外輪郭に対して最小外接矩形を求め、Ｃｕｐの最小外接矩形及びＤｉｓｃの最小外接矩形を得ることができる。Ｃｕｐの最小外接矩形の垂直方向の辺の長さがＣｕｐ直径（ＶＣＤ）であり、同様に、Ｄｉｓｃの最小外接矩形の垂直方向の辺の長さがＤｉｓｃ直径（ＶＤＤ）である。

【0042】

Ｓ１０４、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定する。

【0043】

算術Ｃ／Ｄ比及び予測Ｃ／Ｄ比を比較判断し、さらに実際Ｃ／Ｄ比を決定する。

【0044】

いくつかの実施例において、ステップＳ１０４は具体的には、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差を計算するステップと、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第１閾値以下である場合、前記算術Ｃ／Ｄ比を実際Ｃ／Ｄ比とするステップと、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第２閾値よりも大きい場合、前記予測Ｃ／Ｄ比を実際Ｃ／Ｄ比とするステップと、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第１閾値よりも大きく第２閾値以下である場合、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との平均値を計算し、且つ前記平均値を実際Ｃ／Ｄ比とするステップと、を含む。

【0045】

算術Ｃ／Ｄ比と予測Ｃ／Ｄ比との間の距離差を計算し、ここで、前記距離差はつまり算術Ｃ／Ｄ比と予測Ｃ／Ｄ比との間の数値差であり、計算した算術Ｃ／Ｄ比と予測Ｃ／Ｄ比との間の距離差に基づいて異なる方式を採用して実際Ｃ／Ｄ比を決定する。

【0046】

算術Ｃ／Ｄ比と予測Ｃ／Ｄ比との間の距離差が第１閾値以下であると計算した場合、ＣｕｐＤｉｓｃの分割画像を用いて計算した算術Ｃ／Ｄ比がより正確であると考えられるので、算術Ｃ／Ｄ比を実際Ｃ／Ｄ比とし、ここで、第１閾値は例えば０．０５であってもよい。

【0047】

算術Ｃ／Ｄ比と予測Ｃ／Ｄ比との間の距離差が第２閾値よりも大きいと計算した場合、予めトレーニングしたニューラルネットワークを用いて得られた予測Ｃ／Ｄ比がより正確であると考えられるので、予測Ｃ／Ｄ比を実際Ｃ／Ｄ比とし、ここで、第２閾値は例えば０．１であってもよい。

【0048】

算術Ｃ／Ｄ比と予測Ｃ／Ｄ比との間の距離差が第１閾値よりも大きく第２閾値以下であると計算した場合、算術Ｃ／Ｄ比と予測Ｃ／Ｄ比とを融合する必要があると考えられ、例えば算術Ｃ／Ｄ比と予測Ｃ／Ｄ比との平均値をとり、且つ計算した平均値を実際Ｃ／Ｄ比とする。

【0049】

つまり、実際Ｃ／Ｄ比を決定する式は、例えば、以下のように表すことができる。

【0050】

【0051】

上記実施例によるニューラルネットワークに基づくＣ／Ｄ比決定方法は、眼底画像を取得し、且つ眼底画像に対してＤｉｓｃ領域検出を行ってＤｉｓｃ領域を得て、そしてＤｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得て、さらにＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定し、最終的に算術Ｃ／Ｄ比及び予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比の値を決定する。同一のニューラルネットワークを採用してそれぞれ予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を出力し、且つ最終的に算術Ｃ／Ｄ比及び予測Ｃ／Ｄ比に基づいてさらに実際Ｃ／Ｄ比を決定することにより、Ｃ／Ｄ比を決定する際に、ＣｕｐＤｉｓｃの分割画像への依存を低減し、さらに決定したＣ／Ｄ比の精度を向上させる。

【0052】

図７を参照すると、図７は、本願の実施例でさらに提供されるニューラルネットワークに基づくＣ／Ｄ比決定装置の概略ブロック図であり、当該ニューラルネットワークに基づくＣ／Ｄ比決定装置は前述したニューラルネットワークに基づくＣ／Ｄ比決定方法を実行するために用いられる。ここで、当該ニューラルネットワークに基づくＣ／Ｄ比決定装置は、サーバ又は端末に配置されてもよい。

【0053】

ここで、サーバは、独立したサーバであってもよいし、サーバクラスタであってもよい。当該端末は、携帯電話、タブレット、ノートパソコン、デスクトップパソコン、携帯情報端末、及びウェアラブルデバイスなどの電子機器であってもよい。

【0054】

図７に示すように、ニューラルネットワークに基づくＣ／Ｄ比決定装置２００は、画像検出モジュール２０１と、ネットワーク予測モジュール２０２と、算術決定モジュール２０３と、実際決定モジュール２０４と、を含む。

【0055】

画像検出モジュール２０１は、眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るために用いられる。

【0056】

ここで、画像検出モジュール２０１は、境界決定サブモジュール２０１１と、画像トリミングサブモジュール２０１２と、を含む。

【0057】

具体的には、境界決定サブモジュール２０１１は、前記眼底画像を検出し、Ｄｉｓｃ領域の境界座標を得るために用いられ、画像トリミングサブモジュール２０１２は、前記境界座標に基づいて前記眼底画像をトリミングし、Ｄｉｓｃ領域を得るために用いられる。

【0058】

ネットワーク予測モジュール２０２は、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るために用いられる。

【0059】

算術決定モジュール２０３は、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するために用いられる。

【0060】

ここで、算術決定モジュール２０３は、直径決定サブモジュール２０３１と、算術計算サブモジュール２０３２と、を含む。

【0061】

具体的には、直径決定サブモジュール２０３１は、前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定するために用いられ、算術計算サブモジュール２０３２は、前記Ｃｕｐ直径及びＤｉｓｃ直径に基づいて算術Ｃ／Ｄ比を決定するために用いられる。

【0062】

実際決定モジュール２０４は、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するために用いられる。

【0063】

なお、当業者は、説明の便宜及び簡潔化のために、上述したニューラルネットワークに基づくＣ／Ｄ比決定装置及び各モジュールの具体的な動作過程は、前述したニューラルネットワークに基づくＣ／Ｄ比決定方法の実施例における対応過程を参照することができることを明確に理解することができ、ここでは説明を省略する。

【0064】

上述したニューラルネットワークに基づくＣ／Ｄ比決定装置は、図８に示すようなコンピュータ機器で実行され得るコンピュータプログラムの形態で実現することができる。

【0065】

図８を参照すると、図８は、本願の実施例によるコンピュータ機器の構造を示すブロック図である。当該コンピュータ機器は、サーバ又は端末であってもよい。

【0066】

図８を参照すると、当該コンピュータ機器は、システムバスを介して接続されたプロセッサ、メモリ及びネットワークインタフェースを含み、ここで、メモリは、不揮発性記憶媒体及び内部メモリを含んでもよい。

【0067】

不揮発性記憶媒体は、オペレーティングシステム及びコンピュータプログラムを記憶することができる。当該コンピュータプログラムは、プログラムコマンドを含み、当該プログラムコマンドが実行されると、ニューラルネットワークに基づくＣ／Ｄ比決定方法のいずれかをプロセッサに実行させることができる。

【0068】

プロセッサは、コンピュータ機器全体の動作をサポートする計算及び制御機能を提供するために用いられる。

【0069】

内部メモリは、不揮発性記憶媒体におけるコンピュータプログラムの実行のための環境を提供し、当該コンピュータプログラムがプロセッサによって実行されると、ニューラルネットワークに基づくＣ／Ｄ比決定方法のいずれかをプロセッサに実行させることができる。

【0070】

当該ネットワークインタフェースは、割り当てられたタスクの送信などのネットワーク通信に用いられる。図８に示す構造は、本願の解決手段に関連する部分的な構造のブロック図にすぎず、本願の解決手段が適用されるコンピュータ機器を限定するものではなく、具体的なコンピュータ機器は、図に示されているよりも多くの又は少ない構成要素を含んでもよく、一部の構成要素を組み合わせてもよく、又は異なる構成要素配置を有してもよいことを当業者は理解するであろう。

【0071】

プロセッサは中央処理装置（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ、ＣＰＵ）であってもよく、当該プロセッサは、他の汎用プロセッサ、デジタル信号プロセッサ（ＤｉｇｉｔａｌＳｉｇｎａｌＰｒｏｃｅｓｓｏｒ、ＤＳＰ）、特定用途向け集積回路（ＡｐｐｌｉｃａｔｉｏｎＳｐｅｃｉｆｉｃＩｎｔｅｇｒａｔｅｄＣｉｒｃｕｉｔ、ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ－ＰｒｏｇｒａｍｍａｂｌｅＧａｔｅＡｒｒａｙ、ＦＰＧＡ）又は他のプログラマブル論理デバイス、ディスクリートゲート又はトランジスタ論理デバイス、ディスクリートハードウェアコンポーネントなどであってもよいことが理解されるべきである。ここで、汎用プロセッサは、マイクロプロセッサであってもよく、又は当該プロセッサは、任意の従来のプロセッサなどであってもよい。

【0072】

ここで、一実施例において、前記プロセッサは、メモリに記憶されているコンピュータプログラムを実行し、眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を実現するために用いられる。

【0073】

一実施例において、前記プロセッサは、前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得る前記ステップを実現するとき、前記眼底画像を検出し、Ｄｉｓｃ領域の境界座標を得るステップと、前記境界座標に基づいて前記眼底画像をトリミングし、Ｄｉｓｃ領域を得るステップと、を実現するために用いられる。

【0074】

一実施例において、前記プロセッサは、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力する前記ステップを実現する前に、前記Ｄｉｓｃ領域に対して前処理を行うステップであって、前記前処理が伸縮処理を含むステップを実現するために用いられる。

【0075】

一実施例において、前記予めトレーニングしたニューラルネットワークは、特徴抽出層、畳み込み層、接続層、画像分割層及び回帰予測層を含み、前記プロセッサは、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得る前記ステップを実現するとき、前記特徴抽出層によって前記Ｄｉｓｃ領域に対して特徴抽出を行い、前記Ｄｉｓｃ領域に対応する第１特徴画像を得るステップと、前記畳み込み層によって前記第１特徴画像に対して畳み込み操作を行い、予測Ｃ／Ｄ比を表す第２特徴画像及びＣｕｐＤｉｓｃの分割画像を表す第３特徴画像を得るステップと、前記接続層によって前記第２特徴画像と前記第３特徴画像とを接続し、接続後の第４特徴画像を得るステップと、前記第４特徴画像を前記回帰予測層に入力し、予測Ｃ／Ｄ比を得るステップと、前記第４特徴画像を前記画像分割層に入力し、ＣｕｐＤｉｓｃの分割画像を得るステップと、を実現するために用いられる。

【0076】

一実施例において、前記プロセッサは、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定する前記ステップを実現するとき、前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定するステップと、前記Ｃｕｐ直径及びＤｉｓｃ直径に基づいて算術Ｃ／Ｄ比を決定するステップと、を実現するために用いられる。

【0077】

一実施例において、前記プロセッサは、前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ直径及びＤｉｓｃ直径を決定する前記ステップを実現するとき、前記ＣｕｐＤｉｓｃの分割画像に基づいてＣｕｐ外輪郭及びＤｉｓｃ外輪郭を決定するステップと、前記Ｃｕｐ外輪郭及びＤｉｓｃ外輪郭に基づいてそれぞれＣｕｐの最小外接矩形及びＤｉｓｃの最小外接矩形を決定するステップと、前記Ｃｕｐの最小外接矩形及びＤｉｓｃの最小外接矩形に基づいてそれぞれＣｕｐ直径及びＤｉｓｃ直径を決定するステップと、を実現するために用いられる。

【0078】

一実施例において、前記プロセッサは、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定する前記ステップを実現するとき、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差を計算するステップと、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第１閾値以下である場合、前記算術Ｃ／Ｄ比を実際Ｃ／Ｄ比とするステップと、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第２閾値よりも大きい場合、前記予測Ｃ／Ｄ比を実際Ｃ／Ｄ比とするステップと、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との間の距離差が第１閾値よりも大きく第２閾値以下である場合、前記算術Ｃ／Ｄ比と前記予測Ｃ／Ｄ比との平均値を計算し、且つ前記平均値を実際Ｃ／Ｄ比とするステップと、を実現するために用いられる。

【0079】

本願の実施例は、コンピュータ読み取り可能な記憶媒体をさらに提供し、前記コンピュータ読み取り可能な記憶媒体は、揮発性であってもよいし、不揮発性であってもよく、前記コンピュータ読み取り可能な記憶媒体にコンピュータプログラムが記憶されており、前記コンピュータプログラムにプログラムコマンドが含まれ、前記プロセッサは、前記プログラムコマンドを実行し、
眼底画像を取得し、且つ前記眼底画像に対してＤｉｓｃ領域検出を行い、Ｄｉｓｃ領域を得るステップと、前記Ｄｉｓｃ領域を予めトレーニングしたニューラルネットワークに入力し、予測Ｃ／Ｄ比及びＣｕｐＤｉｓｃの分割画像を得るステップと、前記ＣｕｐＤｉｓｃの分割画像に基づいて算術Ｃ／Ｄ比を決定するステップと、前記算術Ｃ／Ｄ比及び前記予測Ｃ／Ｄ比に基づいて実際Ｃ／Ｄ比を決定するステップと、を実現する。

【0080】

ここで、前記コンピュータ読み取り可能な記憶媒体は、前述した実施例に記載のコンピュータ機器の内部記憶ユニット、例えば前記コンピュータ機器のハードディスク又はメモリであってもよい。前記コンピュータ読み取り可能な記憶媒体は、前記コンピュータ機器の外部記憶機器、例えば前記コンピュータ機器に備えられたプラグインハードディスク、スマートメディアカード（ＳｍａｒｔＭｅｄｉａ（登録商標）Ｃａｒｄ、ＳＭＣ）、セキュアデジタル（ＳｅｃｕｒｅＤｉｇｉｔａｌ、ＳＤ）カード、フラッシュカード（ＦｌａｓｈＣａｒｄ）などであってもよい。前記プログラムコマンドがプロセッサによって実行されると実現される方法の実施例は、本願のニューラルネットワークに基づくＣ／Ｄ比決定方法の各実施例を参照することができ、ここでは説明を省略する。

【0081】

別の実施例において、本願が提供するニューラルネットワークに基づくＣ／Ｄ比決定方法は、上記全ての出現するデータのプライバシとセキュリティをさらに保証するために、上記全てのデータはブロックチェーンのノードに記憶されてもよい。例えば眼底画像及び分割画像など、これらのデータはいずれもブロックチェーンのノードに記憶することができる。

【0082】

なお、本願でいうブロックチェーンとは、分散型データストレージ、ポイントツーポイント伝送、コンセンサスメカニズム、暗号化アルゴリズムなどのコンピュータ技術の新しい応用モードである。

【0083】

以上、本願の具体的な実施形態について説明したが、本願の保護範囲はこれに限定されるものではなく、当業者であれば、本願において開示された技術的範囲内において、様々な等価な修正又は置換が容易に考えられ、これらの修正又は置換は、本願の保護範囲内に含まれるべきである。したがって、本願の保護範囲は、特許請求の範囲の保護範囲に準ずるものとする。

【図1】