[發明專利]視網膜微動脈瘤自動檢測方法及成像方法

在審

• 申請號: 202011581334.4
• 申請日: 2020-12-28
• 公開（公告）號: CN112700409A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 鄒北驥;單希;杜婧瑜;程真真;楊璐璐
• 申請（專利權）人: 中南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/32;G06K9/34;G06N3/04
• 代理公司: 長沙永星專利商標事務所(普通合伙) 43001
• 代理人: 周詠;米中業

本發明公開了一種視網膜微動脈瘤自動檢測方法，包括獲取原始視網膜彩色眼底圖像并標記；提取通道分量和感興趣區域；對圖像數據進行圖像處理得到訓練數據集；以U形網絡為基本架構構建視網膜微動脈瘤初步識別模型；采用訓練數據集訓練識別模型得到最終的視網膜微動脈瘤識別模型；采用視網膜微動脈瘤識別模型對實時獲取的視網膜彩色眼底圖像進行識別檢測。本發明還公開了一種包括所述視網膜微動脈瘤自動檢測方法的成像方法。本發明采用卷積神經網絡和注意力引導濾波器訓練得到深度學習模型，可以自動提取特征，相比于傳統方法，省去了復雜的人工特征設計和提取過程，具有速度快、準確率高的優勢，而且可靠性高、實用性好、適用范圍廣且易于實施。

技術領域

本發明屬于圖像處理領域，具體涉及一種視網膜微動脈瘤自動檢測方法及成像方法。

背景技術

隨著經濟技術的發展和人們生活水平的提高，人們對于健康的關注也越來越高。視網膜圖像能夠較好的反映眼底的狀態，是人們了解自身眼睛狀態的重要檢查依據。目前，隨著人們對于健康的關注度越來越高，視網膜圖像在醫學上的需求和應用也越來越廣泛。

視網膜圖像中，微動脈瘤是某些病變的早期重要指示標志。因此，對于視網膜微動脈瘤的檢測和識別，就成為了視網膜圖像檢測的研究方向之一。

視網膜微動脈瘤的檢測和識別，一般采用的是專業醫護人員人工識別的方式。但是，這種方式對醫生的水平和經驗提出了較高的要求；而且由于微動脈瘤的尺寸非常小、顏色對比度較低，加之在眼底上分布較為隨機，使得人工檢測的過程繁瑣且耗時，而且可靠性不高。

目前，基于機器學習的方法已經逐步應用，但是傳統的基于機器學習的檢測方法，需要繁瑣的預處理，如血管去除、視盤去除等，后續還涉及候選微動脈瘤提取、手動設計、提取特征等復雜過程，使得該類方法的普適性不高，而且方法本身也存在可靠性差和流程復雜的缺陷。

發明內容

本發明的目的之一在于提供一種可靠性高、實用性好、適用范圍廣且易于實施的視網膜微動脈瘤自動檢測方法。

本發明的目的之二在于提供一種包括了所述視網膜微動脈瘤自動檢測方法的成像方法。

本發明提供的這種視網膜微動脈瘤自動檢測方法，包括如下步驟：

S1.獲取原始視網膜彩色眼底圖像，并進行標記；

S2.針對步驟S1獲取并標記的原始視網膜彩色眼底圖像，提取通道分量和感興趣區域；

S3.對步驟S2獲取的圖像數據進行圖像處理，從而得到訓練數據集；

S4.以U形網絡為基本架構，構建視網膜微動脈瘤初步識別模型；

S5.采用步驟S3得到的訓練數據集，對步驟S4構建的視網膜微動脈瘤初步識別模型進行訓練，從而得到最終的視網膜微動脈瘤識別模型；

S6.采用步驟S5得到的視網膜微動脈瘤識別模型，對實時獲取的視網膜彩色眼底圖像進行識別檢測，完成視網膜微動脈瘤的自動檢測。

步驟S2所述的提取通道分量和感興趣區域，具體為采用如下步驟提取通道分量和感興趣區域：

A.提取原始視網膜彩色眼底圖像綠色通道眼底圖像；

B.采用最大類間閾值分割法來自適應的計算出最佳閾值T，從而提取得到感興趣區域：