[發明專利]一種基于拓撲結構估計的視網膜動靜脈分類方法及裝置

在審

• 申請號: 202010519912.5
• 申請日: 2020-06-09
• 公開（公告）號: CN111797901A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 謝建洋;趙一天;蘇攀;蔣珊珊;毛浩宇;顧愿愿;劉江
• 申請（專利權）人: 中國科學院寧波工業技術研究院慈溪生物醫學工程研究所;中國科學院寧波材料技術與工程研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06T7/00;G06T7/11
• 代理公司: 浙江千克知識產權代理有限公司 33246
• 代理人: 裴金華

1.一種基于拓撲結構估計的視網膜動靜脈分類方法，其特征為，包括：

通過U-net深度學習網絡對視網膜血管圖像進行像素級分割，獲得血管分割結果信息；

分別通過優勢集理論對所述血管分割結果信息進行拓撲估計，建立完整的拓撲樹集合，獲得拓撲信息；

通過優勢集理論對近視盤區域血管進行動靜脈分類，獲得近視盤區域血管動靜脈分類結果；

根據標簽傳播算法處理所述拓撲信息與所述近視盤區域血管動靜脈分類結果，獲得全局動靜脈分類。

2.根據權利要求1所述的一種基于拓撲結構估計的視網膜動靜脈分類方法，其特征為，“通過U-net深度學習網絡對視網膜血管圖像進行像素級分割，獲得血管分割結果信息”具體包括：

將成對的眼底彩照圖片與只含有血管結構的二值化的金標準圖像輸入至U-net神經網絡中，獲得分割模型；

將所述視網膜血管圖像導入至所述分割模型中，獲得血管分割結果信息。

3.根據權利要求1所述的一種基于拓撲結構估計的視網膜動靜脈分類方法，其特征為，“分別通過優勢集理論對所述血管分割結果信息進行拓撲估計，建立完整的拓撲樹集合，獲得拓撲信息”具體包括：

通過形態學細化算法對分割圖像進行處理，獲得單位像素寬的血管結構；

檢測所述血管結構的關鍵節點，并在關鍵節點中的分叉點和交叉點處將所述分割圖像斷開，獲得若干獨立的血管段；

采用三次樣條擬合對血管段進行中心線擬合，獲得每一段血管的中心線信息；

根據中心線信息建立視網膜血管網絡的無向圖并提取血管段的特征向量，建立視網膜血管的帶權無向圖；

根據自動分割算法提取視盤區域，根據視盤區域確定血管樹的起點；

引入虛擬的點將各血管樹的起點相連后，通過最小生成樹算法得到獨立的血管樹，獲得拓撲樹集合。

4.根據權利要求1所述的一種基于拓撲結構估計的視網膜動靜脈分類方法，其特征為，“通過優勢集理論對近視盤區域血管進行動靜脈分類，獲得近視盤區域血管動靜脈分類結果”具體包括：

選取預設倍率視盤范圍內的血管段中的點作為聚類對象，對每一個點提取特征向量，獲得點集；

根據優勢集對選擇的所述點集進行聚類并將所有的點分成兩類；

根據每類中點的亮度信息的均值定義動脈與靜脈；

統計每一段血管段中點的標簽分布并對所述血管段進行動靜脈標記。

5.根據權利要求1所述的一種基于拓撲結構估計的視網膜動靜脈分類方法，其特征為，“根據標簽傳播算法處理所述拓撲信息與所述近視盤區域血管動靜脈分類結果，獲得全局動靜脈分類”具體包括：

將同一血管樹中起始血管段的標簽作為所有血管段的標簽；

根據拓撲信息對所述所有血管段的標簽向下傳遞，獲得全局動靜脈分類。

6.一種基于拓撲結構估計的視網膜動靜脈分類裝置，其特征為，包括：

分割模塊：通過U-net深度學習網絡對視網膜血管圖像進行像素級分割，獲得血管分割結果信息；

第一處理模塊：分別通過優勢集理論對所述血管分割結果信息進行拓撲估計，建立完整的拓撲樹集合，獲得拓撲信息；

分類模塊：通過優勢集理論對近視盤區域血管進行動靜脈分類，獲得近視盤區域血管動靜脈分類結果；

第二處理模塊：根據標簽傳播算法處理所述拓撲信息與所述近視盤區域血管動靜脈分類結果，獲得全局動靜脈分類。

7.根據權利要求6所述的一種基于拓撲結構估計的視網膜動靜脈分類裝置，其特征為，分割模塊包括：

第一處理單元：將成對的眼底彩照圖片與只含有血管結構的二值化的金標準圖像輸入至U-net神經網絡中，獲得分割模型；

第一獲取單元：將所述視網膜血管圖像導入至所述分割模型中，獲得血管分割結果信息。