[發(fā)明專利]基于深度學(xué)習(xí)的處理眼底圖像的方法和裝置在審
| 申請?zhí)枺?/td> | 201610992731.8 | 申請日: | 2016-11-11 |
| 公開(公告)號: | CN108095683A | 公開(公告)日: | 2018-06-01 |
| 發(fā)明(設(shè)計(jì))人: | 白海龍;丁鵬;王璋;徐通 | 申請(專利權(quán))人: | 北京羽醫(yī)甘藍(lán)信息技術(shù)有限公司 |
| 主分類號: | A61B3/12 | 分類號: | A61B3/12;A61B3/14;G06T7/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 100000 北京市海*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 眼底圖像 等級識(shí)別 病變 方法和裝置 等級參數(shù) 訓(xùn)練樣本 眼底病變 原始樣本 圖像預(yù)處理 圖像數(shù)據(jù) 網(wǎng)絡(luò)訓(xùn)練 學(xué)習(xí) 測試 | ||
本發(fā)明提供一種準(zhǔn)確可靠的基于深度學(xué)習(xí)的處理眼底圖像的方法和裝置,以解決現(xiàn)有技術(shù)中的問題。本發(fā)明的基于深度學(xué)習(xí)的處理眼底圖像的方法,包括:獲取多個(gè)原始樣本眼底圖像以及對應(yīng)的病變等級參數(shù);對多個(gè)原始樣本眼底圖像進(jìn)行圖像預(yù)處理操作和圖像數(shù)據(jù)增強(qiáng)操作,得到多個(gè)訓(xùn)練樣本眼底圖像;對多個(gè)訓(xùn)練樣本眼底圖像以及對應(yīng)的病變等級參數(shù)進(jìn)行深度網(wǎng)絡(luò)訓(xùn)練,得到眼底病變等級識(shí)別模型;將測試眼底圖像輸入眼底病變等級識(shí)別模型,得到病變等級識(shí)別結(jié)果。
技術(shù)領(lǐng)域
本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域,特別地涉及一種基于深度學(xué)習(xí)的處理眼底圖像的方法和裝置。
背景技術(shù)
糖尿病性視網(wǎng)膜病變是糖尿病的微血管并發(fā)癥之一。慢性高血糖損壞視網(wǎng)膜毛細(xì)血管,導(dǎo)致毛細(xì)血管滲漏和堵塞,進(jìn)而造成視力減退甚至失明。在2015年,全球糖尿病患病人數(shù)高達(dá)4.15億,其中,9300萬患者視力受到不同程度的糖尿病性視網(wǎng)膜病變影響。如果及時(shí)接受診斷和治療,糖尿病性視網(wǎng)膜病變患者的視力損傷通??梢詼p緩甚至逆轉(zhuǎn)。然而,由于該病早期癥狀不明顯,大多數(shù)患者沒能及時(shí)主動(dòng)就診而錯(cuò)過治療的最佳時(shí)機(jī)。
目前,臨床上糖尿病性視網(wǎng)膜病變的檢測仍然需要由經(jīng)過專業(yè)訓(xùn)練的醫(yī)師通過人工檢查病人的眼底照片來完成。該過程較為耗時(shí),病人往往在拍攝眼底照片的一到兩天后才可以獲得診斷結(jié)果,易造成治療延誤。另外,可用于糖尿病性視網(wǎng)膜病變檢測的醫(yī)療資源較稀缺且分配不均勻,全世界只有約20萬眼科醫(yī)生,遠(yuǎn)不足對所有糖尿病患者進(jìn)行定期眼科檢查,而3/4的糖尿病患者又生活在醫(yī)療資源嚴(yán)重匱乏的低中等收入國家。隨著糖尿病患者數(shù)量的逐年增長,對醫(yī)療資源的需求也將日益增加。
在這種形勢下,研發(fā)可以自動(dòng)分析處理眼底照片并對糖尿病性視網(wǎng)膜病變進(jìn)行篩查的計(jì)算機(jī)算法的需求變得迫切。現(xiàn)有的糖尿病性視網(wǎng)膜病變自動(dòng)篩查技術(shù)方案主要從形態(tài)學(xué)上對病變特征進(jìn)行檢測,大致可分為三步:
首先,進(jìn)行圖像預(yù)處理。使用直方圖均衡化對視網(wǎng)膜圖像進(jìn)行顏色和亮度進(jìn)行歸一化處理,使曝光和對比度均勻,保證被處理圖像的穩(wěn)定性。
其次,進(jìn)行眼底解剖結(jié)構(gòu)分割。分割視網(wǎng)膜圖像上的主要解剖結(jié)構(gòu),如視盤和視網(wǎng)膜血管,排除這些結(jié)構(gòu)對下一步處理中病變檢測的干擾。視盤分割一般采用閾值分割或區(qū)域生長分割算法,比較圖像上每個(gè)像素與鄰近像素的亮度差異,若差異值小于某個(gè)閾值,則這些像素被劃為同一區(qū)域。分割結(jié)束后圖像中亮度最大的區(qū)域被識(shí)別為視盤。血管分割一般采用邊緣檢測或簡單的神經(jīng)網(wǎng)絡(luò)算法。
然后,進(jìn)行視網(wǎng)膜病變檢測。對于視網(wǎng)膜病變的檢測主要包括微血管瘤,出血點(diǎn)和滲出的檢測。在圖像上,微血管瘤為小尺寸圓形紅點(diǎn),出血點(diǎn)為尺寸較大的點(diǎn)狀、片狀或火焰狀紅色區(qū)域,滲出為亮度較大邊緣較明顯的黃色或白色區(qū)域,呈不同形狀、尺寸。微血管瘤和出血點(diǎn)在顏色上與視網(wǎng)膜血管相近,滲出在顏色和亮度上與視盤相近,因此在檢測這些病變之前需剔除視網(wǎng)膜解剖結(jié)構(gòu)的影響。剔除視網(wǎng)膜解剖結(jié)構(gòu)影響之后,微血管瘤和出血點(diǎn)這些紅色特征多在綠色通道下檢測,而滲出則多在亮度通道下檢測。檢測出的病變特征可用于對糖尿病性視網(wǎng)膜病變程度進(jìn)行粗略的分級。
現(xiàn)有技術(shù)方案基于由特定視網(wǎng)膜照相機(jī)采集的圖像,并且要求圖像中視網(wǎng)膜結(jié)構(gòu)和病變特征清晰明顯,因此僅適用于由特定視網(wǎng)膜相機(jī)拍攝的散瞳后的眼底圖像或成像質(zhì)量較高的免散瞳圖像。臨床上實(shí)際使用的視網(wǎng)膜相機(jī)品牌型號不同,采集的圖像在色彩、曝光、對比度和清晰度上迥異,而且大部分為免散瞳圖像。這些條件使得現(xiàn)有技術(shù)方案不能在臨床上有良好的表現(xiàn)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京羽醫(yī)甘藍(lán)信息技術(shù)有限公司,未經(jīng)北京羽醫(yī)甘藍(lán)信息技術(shù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201610992731.8/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:眼動(dòng)追蹤系統(tǒng)
- 下一篇:利用順序照明的眼睛成像裝置
- 一種指紋識(shí)別參數(shù)配置裝置及其方法
- 網(wǎng)頁識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)
- 數(shù)據(jù)匹配方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)
- 基于人臉識(shí)別的支付處理方法、裝置及存儲(chǔ)介質(zhì)
- 環(huán)境數(shù)據(jù)調(diào)整方法及裝置、電子設(shè)備及介質(zhì)
- 一種數(shù)據(jù)識(shí)別的方法、裝置和存儲(chǔ)介質(zhì)
- 一種快速識(shí)別大曲等級的方法
- 基于大數(shù)據(jù)和人工智能的規(guī)則確定方法
- 礦車駕駛等級識(shí)別模型訓(xùn)練方法、裝置和終端設(shè)備
- 駕駛風(fēng)險(xiǎn)等級識(shí)別方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)
- 病變模擬方法和裝置
- 一種獲取病變數(shù)據(jù)的方法、識(shí)別病變方法及計(jì)算機(jī)設(shè)備
- 基于深度學(xué)習(xí)的糖尿病視網(wǎng)膜圖像分類方法及系統(tǒng)
- 一種病變圖像生成的方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 一種獲取病變數(shù)據(jù)的方法、識(shí)別病變方法及計(jì)算機(jī)設(shè)備
- 一種醫(yī)療影像的處理方法、裝置、設(shè)備和系統(tǒng)
- 內(nèi)窺鏡觀察輔助裝置、內(nèi)窺鏡觀察輔助方法及程序
- 內(nèi)窺鏡裝置、內(nèi)窺鏡操作方法及程序
- 一種基于消化內(nèi)鏡實(shí)時(shí)識(shí)別病變的方法
- 圖像識(shí)別方法、可讀存儲(chǔ)介質(zhì)及電子設(shè)備





