[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法

在審

• 申請?zhí)枺?/td>: 202010864924.1
• 申請日: 2020-08-25
• 公開（公告）號: CN112006649A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設計）人: 張寅升;尚倩;張國明
• 申請（專利權(quán)）人: 張寅升
• 主分類號: A61B3/12
• 分類號: A61B3/12;A61B3/14
• 代理公司: 上海思牛達專利代理事務所(特殊普通合伙) 31355
• 代理人: 丁劍

1.一種基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，包括以下步驟：

搭建區(qū)域卷積神經(jīng)網(wǎng)絡生成視盤和黃斑的候選區(qū)域，其中包括預先獲取原始眼底圖片作為區(qū)域卷積神經(jīng)網(wǎng)絡的輸入；

生成一組校準后的形態(tài)學約束規(guī)則，其中包括獲取眼底相機的光學參數(shù)、拍攝參數(shù)和患者信息；

基于這組相機自適應形態(tài)學規(guī)則進一步篩選黃斑候選區(qū)域；

獲取過濾后的最終區(qū)域特征信息。

2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，所述區(qū)域卷積神經(jīng)網(wǎng)絡，包括卷積層、區(qū)域提議網(wǎng)絡和區(qū)域分類器，其中；

所述卷積層，用于提取紋理、邊緣、形狀、部件等高級語義特征；

所述區(qū)域提議網(wǎng)絡，通過選擇性搜索方法生成提議區(qū)域；

所述區(qū)域分類器，用于對提議的區(qū)域進行識別分類。

3.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，所述形態(tài)學規(guī)則包括數(shù)量約束、尺寸約束、距離約束、角度約束和眼別約束。

4.根據(jù)權(quán)利要求3所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，所述數(shù)量約束，包括黃斑的最大數(shù)量為1。

5.根據(jù)權(quán)利要求3所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，所述尺寸約束，包括在1000像素寬度的圖像上，黃斑直徑約為16％，視盤直徑約為10％。

6.根據(jù)權(quán)利要求3所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，所述距離約束，包括視盤與黃斑中心凹的距離為4.4±0.4mm，視盤與黃斑中央凹之間的距離為32％。

7.根據(jù)權(quán)利要求3所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，所述角度約束，包括視盤和黃斑位于同一水平線上，其連線的水平角度小于預設閾值。

8.根據(jù)權(quán)利要求3所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，所述眼別約束：包括右眼OD約束和左眼OS約束。

9.根據(jù)權(quán)利要求8所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，其右眼OD中，黃斑位于視盤的左側(cè)；其左眼OS中，黃斑位于視盤的右側(cè)。

10.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡和自適應形態(tài)學約束的黃斑檢測方法，其特征在于，進一步包括以下步驟：

預先獲取ImageNet大規(guī)模圖像集；

將獲取的圖像集作為區(qū)域卷積神經(jīng)網(wǎng)絡卷積層的預訓練集；

獲取帶視盤及黃斑標注的眼底圖像作為訓練集；

搭建并訓練區(qū)域卷積神經(jīng)網(wǎng)絡。