[發明專利]基于視網膜眼底圖像的目標檢測定位方法和裝置

有效

• 申請號: 201911339732.2
• 申請日: 2019-12-23
• 公開（公告）號: CN111127425B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 史榮潔;姜泓羊;張冬冬;代黎明
• 申請（專利權）人: 北京至真互聯網技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06V10/764;G06V10/82;G06T5/00;G06N3/045;G06N3/047;G06N3/08
• 代理公司: 北京市鼎立東審知識產權代理有限公司 11751
• 代理人: 陳佳妹;賈滿意

1.一種基于視網膜眼底圖像的目標檢測定位方法，其特征在于，包括：

采集當前需要檢測的視網膜眼底圖像；

對所述視網膜眼底圖像進行質量評估，得到相應的質量評估結果；

在所述質量評估結果為清晰可見時，采用第一神經網絡模型對所述視網膜眼底圖像進行檢測，定位出所述視網膜眼底圖像中的異常區域；

其中，所述異常區域包括病灶區域和形態異常區域；

將定位出的所述異常區域由所述視網膜眼底圖像中分割出來，并采用第二神經網絡模型對分割出來的所述異常區域進行異常引發因素分析，確定并抑制由噪聲引發的異常后，在所述視網膜眼底圖像中標注出除由所述噪聲引發的異常之外的其他異常區域，并輸出標注后的眼底圖像。

2.根據權利要求1所述的方法，其特征在于，對所述視網膜眼底圖像進行質量評估，得到相應的質量評估結果，包括：

對所述視網膜眼底圖像進行預處理，包括去除視網膜眼底圖像中的黑邊、尺寸縮放、歸一化中的至少一種；

將預處理后的視網膜眼底圖像輸入至深度學習分類網絡模型中，由所述深度學習分類網絡模型對預處理后的視網膜眼底圖像進行質量評估，得到所述質量評估結果。

3.根據權利要求2所述的方法，其特征在于，去除所述視網膜眼底圖像中的黑邊，包括：

對所述視網膜眼底圖像進行中值濾波，去除所述黑邊中的噪聲；

分別沿所述視網膜眼底圖像的寬度方向和高度方向正向遍歷所述視網膜眼底圖像，確定出沿寬度方向遍歷過的像素點的像素和大于第一閾值時的第一位置坐標和沿高度方向遍歷過的像素點的像素和大于所述第一閾值時的第二位置坐標；

分別沿所述視網膜眼底圖像的寬度方向和高度方向反向遍歷所述視網膜眼底圖像，確定出沿寬度方向遍歷過的像素點的像素和大于第一閾值時的第三位置坐標和沿高度方向遍歷過的像素點的像素和大于所述第一閾值時的第四位置坐標；

以所述第一位置坐標作為左邊界、以所述第二位置坐標作為上邊界、所述第三位置坐標作為右邊界和以所述第四位置坐標作為下邊界，對所述視網膜眼底圖像進行裁剪，得到去除黑邊后的視網膜眼底圖像；

其中，所述正向遍歷包括沿所述視網膜眼底圖像的寬度方向由左到右遍歷和沿所述視網膜眼底圖像的高度方向由上到下遍歷；

所述反向遍歷包括沿所述視網膜眼底圖像的寬度方向由右至左遍歷和沿所述視網膜眼底圖像的高度方向由下至上遍歷；

所述第一閾值的取值通過公式：計算得到；

w為所述視網膜眼底圖像的寬度，h為所述視網膜眼底圖像的高度。

4.根據權利要求1所述的方法，其特征在于，采用第一神經網絡模型對所述視網膜眼底圖像進行檢測，定位出所述視網膜眼底圖像中的異常區域，包括：

采用自適應直方圖均衡化算法對所述視網膜眼底圖像進行處理，得到相應的眼底圖像；

通過所述第一神經網絡模型對所述眼底圖像進行檢測得到多個檢測框，并基于所述第一神經網絡模型算法，確定各所述檢測框的類別和預測分數；

根據各所述檢測框的所述預測分數與各異常狀態標簽所對應的分數閾值之間的大小關系，由多個所述檢測框中確定出優選檢測框；

其中，所述預測分數用于表征各所述檢測框被標注為任一所述異常狀態標簽的概率；

所述優選檢測框的個數為多個，且不同的所述優選檢測框標注所述眼底圖像中的不同的病灶區域和形態異常區域。

5.根據權利要求4所述的方法，其特征在于，基于第一神經網絡模型算法，確定各所述檢測框的類別和預測分數，包括：

基于所述第一神經網絡模型最后的輸出單元通過softmax函數輸出每個標簽的相對概率，取相對概率最大的類別作為預測的類別；

其中，所述相對概率為所述類別標簽的預測分數；

所述相對概率由通過公式：計算得到；

其中，i表示類別索引，V_i表示分類器前級輸出單元的輸出，C表示類別的總數，S_i表示i類別的相對概率。