[發(fā)明專利]一種用于檢測眼底微動脈瘤的檢測方法

在審

• 申請?zhí)枺?/td>: 202011365358.6
• 申請日: 2020-11-28
• 公開（公告）號: CN113554660A
• 公開（公告）日: 2021-10-26
• 發(fā)明（設(shè)計）人: 白春光;宋淼;柯天成
• 申請（專利權(quán)）人: 上海海事大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/136;G06N3/04;G06N3/08
• 代理公司: 上海互順專利代理事務(wù)所(普通合伙) 31332
• 代理人: 成秋麗

本發(fā)明公開了一種用于檢測眼底微動脈瘤的檢測方法，包括：獲取眼底圖像數(shù)據(jù)，進行灰度處理后并提取所述眼底圖像數(shù)據(jù)的灰度圖值；對提取后的圖像進行U?NET分割，以提取血管圖像；根據(jù)灰度圖值，對灰度處理后的圖像進行閾值提取，以獲取候選點；剔除候選點中與血管圖像重合的點；通過高斯核函數(shù)進行擬合，以去除相關(guān)性小于第一預(yù)設(shè)閾值的候選點；對動脈瘤圖像進行區(qū)域增長，并剔除增長后像素點大于第二預(yù)設(shè)閾值的候選點，以獲得增長后圖像；基于增長后圖像對數(shù)據(jù)集進行擴充，并將擴充后的數(shù)據(jù)輸入Faster?RCNN的調(diào)整模型進行訓練。應(yīng)用本發(fā)明實施例，減少了計算量，提高了計算效率，避免大卷積核造成的參數(shù)冗余問題，可進行多尺度相融合，提高數(shù)據(jù)檢測的準確性。

技術(shù)領(lǐng)域

本發(fā)明涉及眼底彩色圖像處理技術(shù)領(lǐng)域，尤其涉及一種用于檢測眼底微動脈瘤的檢測方法。

背景技術(shù)

糖網(wǎng)病早期在眼底圖像中出現(xiàn)的病灶就是微動脈瘤，醫(yī)生可以根據(jù)眼底圖像中微動脈瘤的情況來對DR進行早期的篩查。采用數(shù)字圖像處理的方式，對眼底圖像中的微血管瘤病灶實現(xiàn)精確地檢測識別可以大大減少醫(yī)生的工作量，在輔助醫(yī)生對DR患者診斷的同時，也不會因為醫(yī)生自身經(jīng)驗等原因而造成結(jié)果上的差異。因此，在大規(guī)模DR篩查中，設(shè)計一種檢測眼底圖像中微血管瘤的輔助診斷技術(shù)可以幫助眼科醫(yī)生快速、有效的實現(xiàn)診斷，同時也可以幫助患者盡早得到治療，這對患者和醫(yī)生都具有十分重要的意義。

最早的微動脈檢測與識別方法是采用比較簡單的二值形態(tài)學處理和閾值分割去識別造影技術(shù)中的微動脈瘤，傳統(tǒng)的檢測方法還包括利用血管的線性結(jié)構(gòu)特征，分別利用其不同的方向和長度作為結(jié)構(gòu)化元素，通過多次濾波操作將微動脈瘤候選點提取出來；或者利用區(qū)域增長算法對微動脈瘤候選點進行過濾，最后再基于微動脈瘤的形狀、灰度等等特性，采用決策樹將微動脈瘤從部分噪聲點中分辨出來。此方法操作復雜，并且對于黃體等非微動脈瘤病變區(qū)域的識別有較大限制，準確性較低。

此后，隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，第二梯隊檢測方法隨之到來，宋麗曉等人提出的一種基于核主成分分析(KPCA)和支持向量機(SVM)的微動脈瘤檢測方法，深入研究了視網(wǎng)膜動脈瘤的特征抽取算法的特征分類算法，通過線性映射將微動脈瘤的特征樣本從高維的空間變換到較低維度的特征子工程的過程。Zhang等人選取不同尺寸的高斯核函數(shù)對眼底圖像進行匹配，將候選點過濾，再經(jīng)過血管移除和區(qū)域增長之后將感興趣區(qū)域作為待處理圖像，手動提取特征，通過字典學習對提取到的特征進行訓練，上述方法雖然能夠有效降低細小血管和出血點對MA檢測的影響，但對低對比度和靠近黃斑的MA識別效果不理想。陳淑玲等人和張亮軍等人都采用了U-NET模型，并對此進行改進。陳淑玲保留原始U-NET模型的編碼器部分，將標準卷積改成可變形的卷積，用于提取網(wǎng)絡(luò)淺層部分的目標形態(tài)結(jié)構(gòu)特征，加入Resnet Block結(jié)構(gòu)，并引入BN層，解決網(wǎng)絡(luò)模型訓練過程中可能出現(xiàn)的梯度彌散或者梯度爆炸的問題；而張亮軍等人在U-NET模型中加入了Dense Block架構(gòu)，此方法在訓練模型中需求大量數(shù)據(jù)，而采用的數(shù)據(jù)集用數(shù)據(jù)增強來擴充，交叉數(shù)據(jù)集不具有普遍性。并不能很好的保證模型的效率。

現(xiàn)有技術(shù)中，眼底微動脈瘤檢測方法一般分為傳統(tǒng)方法和神經(jīng)網(wǎng)絡(luò)方法，神經(jīng)網(wǎng)絡(luò)方法是利用數(shù)學形態(tài)學的傳統(tǒng)方法，獲取所有的最大值為12像素點，再移除“shadecorrected”圖像，保留的候選點不包含細長的結(jié)構(gòu)(例如血管)，但是紅色病變區(qū)域仍然存在。后來用K-NN分類器進行完善，但是需要手動的標記每一張圖像，醫(yī)學專家并不能應(yīng)付大量的圖片。

當需要檢測更多形態(tài)的動脈瘤，需要加入較長的結(jié)構(gòu)元素，這就導致了并不能更好的篩選出血管元素，限制了部分算法的效率。使用高斯曲線去擬合動脈瘤，但是只有兩個尺度并不能很好的檢測真實區(qū)域。另外，參見對比文件(公開號：CN110276356A)，其公開的基于R-CNN的眼底圖像微動脈瘤識別方法，此方法在訓練模型中需求大量數(shù)據(jù)，而采用的數(shù)據(jù)集用數(shù)據(jù)增強來擴充，交叉數(shù)據(jù)集不具有普遍性，并不能很好的保證模型的效率，并且訓練后獲取的數(shù)據(jù)的準確性也不高。

發(fā)明內(nèi)容