[發明專利]眼底視網膜血管識別及量化方法、裝置、設備及存儲介質

在審

• 申請號: 202010134390.7
• 申請日: 2020-02-29
• 公開（公告）號: CN111340789A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 柳楊;王瑞;王立龍;呂彬;呂傳峰
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06T7/13;G06T7/62;A61B3/12;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;彭程

1.一種眼底視網膜血管識別及量化方法，其特征在于，所述方法包括：

將原始眼底圖像輸入預訓練的U型卷積神經網絡模型進行處理，得到多個尺度的目標特征圖；

基于所述目標特征圖進行視盤分割，獲得視盤分割結果；

采用預訓練的級聯分割網絡模型對所述原始眼底圖像進行分割，獲得動靜脈血管識別結果；

基于視盤分割結果進行感興趣區域定位，獲得感興趣區域定位結果；

根據動靜脈血管識別結果提取血管中心線，采用鄰域連通性判定方法檢測血管中心線中的關鍵點，去除所述關鍵點以得到多個相互獨立的血管段，并對各血管段上的動靜脈類別信息進行修正，得到動靜脈類別信息修正后的各血管段；

基于動靜脈類別信息修正后的各血管段的血管中心線，采用邊界探測的方法獲取動靜脈類別信息修正后的各血管段的血管直徑，根據所述血管直徑計算感興趣區域內動脈血管和靜脈血管的直徑比值。

2.根據權利要求1所述的方法，其特征在于，所述將原始眼底圖像輸入預訓練的U型卷積神經網絡模型進行處理，得到多個尺度的目標特征圖，包括：

將所述原始眼底圖像輸入所述U型卷積神經網絡模型的編碼器部分進行關鍵特征提取，得到一高維特征圖；

將所述高維特征圖輸入所述U型卷積神經網絡模型的解碼器部分進行上采樣操作，輸出多個尺度的目標特征圖。

3.根據權利要求2所述的方法，其特征在于，所述將所述原始眼底圖像輸入所述U型卷積神經網絡模型的編碼器部分進行關鍵特征提取，得到一高維特征圖，包括：

對所述原始眼底圖像進行卷積處理以提取關鍵特征，得到與所述原始眼底圖像尺寸相同的特征圖；

對經過卷積處理得到的特征圖進行最大池化操作，逐層縮小特征圖尺寸，經過若干卷積層和池化層的交替處理得到所述高維特征圖；

所述將所述高維特征圖輸入所述U型卷積神經網絡模型的解碼器部分進行上采樣操作，輸出多個尺度的目標特征圖，包括：

對所述高維特征圖進行上采樣操作，逐層放大所述高維特征圖尺寸；

通過跳躍連接層將編碼階段每個網絡層提取的低維特征與解碼階段對稱提取的高維特征進行合并，得到每個網絡層的初始特征圖，所述每個網絡層的初始特征圖尺度不同；

通過每個網絡層的輸出分支對所述每個網絡層的初始特征圖進行輸出得到多個尺度的目標特征圖，所述每個網絡層的輸出分支中加入有注意力機制。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述基于所述目標特征圖進行視盤分割，獲得視盤分割結果，包括：

將所述目標特征圖進行融合以得到待分割圖像；

對所述待分割圖像進行候選框回歸處理，以從所述待分割圖像中定位視盤位置，并輸出視盤的邊界框信息；

根據視盤的邊界框信息裁剪出標定的視盤區域圖像塊輸入預訓練的U型分割網絡中，經過特征提取和上采樣操作輸出視盤分割結果。

5.根據權利要求1-3任一項所述的方法，其特征在于，所述采用預訓練的級聯分割網絡模型對所述原始眼底圖像進行分割，獲得動靜脈血管識別結果，包括：

提取所述原始眼底圖像的綠色通道圖像，對所述綠色通道圖像做直方圖均衡化處理，得到對比度增強的綠色通道圖像；

將所述對比度增強的綠色通道圖像切成多個眼底圖像塊；

將所述多個眼底圖像塊輸入預設級聯分割網絡模型進行分割，獲取動靜脈血管識別結果。

6.根據權利要求1至3任一項所述的方法，其特征在于，所述采用邊界探測的方法獲取動靜脈類別信息修正后的各血管段的血管直徑，包括：

以血管中心點為圓心，在像素范圍40*40大小的矩形區域內進行遍歷，尋找距離動靜脈類別信息修正后的各血管段中心線距離最近的邊界點，以所述距離最近的邊界點與血管中心點的距離為半徑r，得到動靜脈類別信息修正后的各血管段的血管直徑2r。