[發明專利]黃斑中心凹識別方法及終端

有效

• 申請號: 202010199266.9
• 申請日: 2020-03-20
• 公開（公告）號: CN111402243B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 林晨;姚曉萍;柯俊龍;施君易
• 申請（專利權）人: 智眸醫療（深圳）有限公司;林晨
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/187;G06N3/0464;G06N3/08
• 代理公司: 福州市博深專利事務所(普通合伙) 35214
• 代理人: 張明

1.黃斑中心凹識別方法，其特征在于，包括步驟：

S1、將待識別圖像放入黃斑識別模型，由所述黃斑識別模型中的圖像分割處理模型來得到所述待識別圖像上的黃斑概率區域；

S2、對所有的黃斑概率區域進行區域面積計算，將最大連通區域的黃斑概率區域認定為黃斑區域；

S3、對所述黃斑區域進行中心點求值，以得到黃斑中心凹；

所述步驟S3中“以得到黃斑中心凹”具體包括以下步驟：

以得到待確認黃斑中心凹；

識別所述待識別圖像中的視盤，得到視盤直徑和視盤中心點；

判斷所述待確認黃斑中心凹和所述視盤中心點之間的距離是否在預設距離范圍內，若是，則確認所述待確認黃斑中心凹為所述待識別圖像中的黃斑中心凹，否則，將第二大連通區域的黃斑概率區域認定為黃斑區域，之后繼續執行步驟S3，所述預設距離范圍大于或等于n個視盤直徑且小于或等于m個視盤直徑，所述n為正數，所述m大于n。

2.根據權利要求1所述的黃斑中心凹識別方法，其特征在于，所述步驟S3具體包括以下步驟：

判斷所述黃斑區域的長寬比是否小于預設比例，若是，則采用多邊形求中心點算法對所述黃斑區域進行計算，以得到黃斑中心凹，否則采用最大內切圓求圓心算法對所述黃斑區域進行計算，以得到黃斑中心凹。

3.根據權利要求1所述的黃斑中心凹識別方法，其特征在于，所述步驟S1中還包括以下步驟：

若所述圖像分割處理模型未識別出任何一個黃斑概率區域，則放棄選取黃斑中心凹；

所述步驟S3中還包括以下步驟：

若所有的所述黃斑概率區域均不在所述預設距離范圍內，則放棄選取黃斑中心凹。

4.根據權利要求2所述的黃斑中心凹識別方法，其特征在于：所述預設比例為大于或等于1.5且小于或等于3。

5.根據權利要求1所述的黃斑中心凹識別方法，其特征在于：所述n為大于或等于一且小于或等于二，所述m為大于或等于二且小于或等于十。

6.根據權利要求1所述的黃斑中心凹識別方法，其特征在于，訓練所述黃斑識別模型的過程具體包括以下步驟：

獲取訓練圖集中的待訓練超廣角眼底圖像，對所述待訓練超廣角眼底圖像進行圖像對比度的改善處理，以增強黃斑區域的顏色對比度，將已改善處理的所述待訓練超廣角眼底圖像進行打標；

將打標后的所述待訓練超廣角眼底圖像進行AI訓練，得到所述待訓練超廣角眼底圖像的黃斑概率區域，所述AI訓練中的圖像分割處理模型為FCN網絡模型或U-Net網絡模型，所述AI訓練中的預訓練模型為VGG?16或Resnet；

根據所述待訓練超廣角眼底圖像的黃斑概率區域求得每一個所述待訓練超廣角眼底圖像的黃斑中心凹；

根據求得的黃斑中心凹與打標時確定的黃斑中心凹的差別對所述圖像分割處理模型進行參數調整，以得到訓練后的所述黃斑識別模型；

通過評估方法來確定訓練后的所述黃斑識別模型的準確度；

輸出準確度超過預設閾值的所述黃斑識別模型。

7.根據權利要求6所述的黃斑中心凹識別方法，其特征在于，所述“將已改善處理的所述待訓練超廣角眼底圖像進行打標”具體包括以下步驟：

獲取打標人員在已改善處理的所述待訓練超廣角眼底圖像上手動圈出的黃斑中心凹；

或者獲取與所述訓練圖集中的待訓練超廣角眼底圖像一一對應的OCT圖像，在所述待訓練超廣角眼底圖像和對應的所述OCT圖像上選取多點作為圖像對應標記點，建立起線性回歸方程，從而通過在對應的所述OCT圖像上的黃斑中心凹位置來確定在所述待訓練超廣角眼底圖像上的黃斑中心凹位置。