[發明專利]脈絡膜血管的管腔區域識別方法、裝置、設備及介質

在審

• 申請號: 202010761238.1
• 申請日: 2020-07-31
• 公開（公告）號: CN111899247A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 周俠;王玥;張成奮;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;G06T7/12;G06T7/136;G06T7/62
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 譚果林

1.一種脈絡膜血管的管腔區域識別方法，其特征在于，包括：

接收到眼底管腔識別請求，獲取所述眼底管腔識別請求中的待識別眼底圖像；

將所述待識別眼底圖像輸入基于U-Net的眼底分割模型，通過所述眼底分割模型對所述待識別眼底圖像進行脈絡膜特征提取及邊緣分割，得到眼底分割圖像；

通過眼底中央凹識別模型對所述眼底分割圖像進行圖像識別，識別出所述眼底分割圖像中的中央凹區域，并根據所述中央凹區域從所述眼底分割圖像中截取出第一眼底脈絡膜圖像；

通過Niblack局部閾值算法，對所述第一眼底脈絡膜圖像進行二值化處理，得到第一脈絡膜二值圖像，并從所述第一脈絡膜二值圖像中提取出第一管腔區域；

根據所述第一管腔區域，從所述待識別眼底圖像中識別出含有眼底脈絡膜血管的管腔區域的第一管腔區域圖像。

2.如權利要求1所述的脈絡膜血管的管腔區域識別方法，其特征在于，所述從所述第一脈絡膜二值圖像中提取出第一管腔區域之后，還包括：

對所述待識別眼底圖像進行灰度處理，得到眼底灰度圖像；

通過自適應閾值法，獲取所述第一管腔區域中的管腔自適應閾值，并根據所述管腔自適應閾值對所述眼底灰度圖像進行歸一化處理，得到第一眼底圖像；

根據所述中央凹區域從所述第一眼底圖像中提取出第二眼底脈絡膜圖像；

根據Niblack局部閾值方法，對所述第二眼底脈絡膜圖像進行二值化處理，得到第二脈絡膜二值圖像，并從所述第二脈絡膜二值圖像中提取出第二管腔區域；

根據所述第二管腔區域，從所述待識別眼底圖像中識別出含有眼底脈絡膜血管的管腔區域的第二管腔區域圖像。

3.如權利要求1所述的脈絡膜血管的管腔區域識別方法，其特征在于，所述將所述待識別眼底圖像輸入基于U-Net的眼底分割模型之前，包括：

獲取眼底圖像樣本；所述眼底圖像樣本與一個邊緣線標簽及一個區域標簽關聯；

將所述眼底圖像樣本輸入含有初始參數的基于U-Net的卷積神經網絡模型；

通過所述卷積神經網絡模型提取所述眼底圖像樣本中的所述脈絡膜特征，獲取所述卷積神經網絡模型根據所述脈絡膜特征輸出的區域識別結果、眼底特征向量圖和融合特征向量圖；

通過所述卷積神經網絡模型對所述眼底特征向量圖進行邊緣檢測，得到邊緣結果，同時對所述融合特征向量圖進行區域分割，得到區域分割結果；

根據所述區域識別結果和所述區域標簽，確定出分類損失值；根據所述邊緣結果和所述邊緣線標簽，確定出邊緣損失值；根據所述區域分割結果和所述區域標簽，確定出分割損失值；

根據所述分類損失值、所述邊緣損失值和所述分割損失值，確定出總損失值；

在所述總損失值未達到預設的收斂條件時，迭代更新所述卷積神經網絡模型的初始參數，直至所述總損失值達到所述預設的收斂條件時，將收斂之后的所述卷積神經網絡模型記錄為眼底分割模型。

4.如權利要求3所述的脈絡膜血管的管腔區域識別方法，其特征在于，所述通過所述卷積神經網絡模型提取所述眼底圖像樣本中的所述脈絡膜特征，獲取所述卷積神經網絡模型根據所述脈絡膜特征輸出的區域識別結果、眼底特征向量圖和融合特征向量圖，包括：

通過所述卷積神經網絡模型對所述眼底圖像樣本提取所述脈絡膜特征，得到眼底脈絡膜特征圖；

通過所述卷積神經網絡模型對所述眼底脈絡膜特征圖進行上采樣及拼接，得到所述眼底特征向量圖；

通過所述卷積神經網絡模型對所述眼底特征向量圖進行脈絡膜區域識別，得到所述區域識別結果，同時對所述眼底特征向量圖進行融合處理，得到所述融合特征向量圖。

5.如權利要求1所述的脈絡膜血管的管腔區域識別方法，其特征在于，所述通過眼底中央凹識別模型對所述眼底分割圖像進行圖像識別，識別出所述眼底分割圖像中的中央凹區域，并根據所述中央凹區域從所述眼底分割圖像中截取出第一眼底脈絡膜圖像，包括：

將所述眼底分割圖像輸入基于SSD的眼底中央凹識別模型；

通過SSD算法，通過所述眼底中央凹識別模型提取中央凹特征，并根據所述中央凹特征進行目標檢測，得到所述中央凹區域；

以所述中央凹區域為中心，根據預設的尺寸參數從所述眼底分割圖像中截取所述第一眼底脈絡膜圖像。