[發明專利]影像處理系統及影像處理方法

在審

• 申請號: 202110040992.0
• 申請日: 2021-01-13
• 公開（公告）號: CN114764777A
• 公開（公告）日: 2022-07-19
• 發明（設計）人: 余春賢;黃振宇;謝成典;林昀廷
• 申請（專利權）人: 宏碁股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/60;G06T7/62;G06N3/04;G06N3/08
• 代理公司: 隆天知識產權代理有限公司 72003
• 代理人: 韓旭;黃艷

1.一種影像處理系統，包含：

一眼底鏡裝置，用以取得一彩色眼底圖；以及

一處理器，用以接收該彩色眼底圖，并通過一電腦視覺演算法或一深度學習模型產生對應該彩色眼底圖的一血管切割圖，將該彩色眼底圖及該血管切割圖進行一預處理，以得到一初始輸入圖，將該初始輸入圖輸入到一卷積神經網絡，該卷積神經網絡輸出一數值；

其中該處理器依據一杯盤比與該數值生成一眼底圖分析信息。

2.如權利要求1所述的影像處理系統，其中，該處理器更用以判斷該數值是否大于一門限值，若該數值大于該門限值，則將該彩色眼底圖視為異常，當該數值不大于該門限值，則將該彩色眼底圖視為正常。

3.如權利要求1所述的影像處理系統，其中，該處理器定位該彩色眼底圖中的一視神經盤影像，并裁切出該視神經盤影像，將該視神經盤影像輸入一第一深度學習分割網絡，該第一深度學習分割網絡輸出一神經盤語意分析圖，將該視神經盤影像輸入一第二深度學習分割網絡，該第二深度學習分割網絡輸出一神經杯語意分析圖，將該神經盤語意分析圖中的白色面積除以該神經杯語意分析圖中的白色面積得到該杯盤比。

4.如權利要求3所述的影像處理系統，其中，該第一深度學習分割網絡為一第一U-Net深度學習分割網絡，當該處理器將該視神經盤影像輸入該第一U-Net深度學習分割網絡后，該第一U-Net深度學習分割網絡輸出的該神經盤語意分析圖中，神經盤影像范圍為白色，其余部分為黑色；

該第二深度學習分割網絡為一第二U-Net深度學習分割網絡，當該處理器將該視神經盤影像輸入該第二U-Net深度學習分割網絡后，該第二U-Net深度學習分割網絡輸出的該神經杯語意分析圖中，神經杯影像范圍為白色，其余部分為黑色；

其中，該視神經盤影像、該神經盤語意分析圖及該神經杯語意分析圖的維度一樣。

5.如權利要求1所述的影像處理系統，其中，該血管切割圖為一灰階圖，該預處理是指將該彩色眼底圖及該血管切割圖相疊。

6.如權利要求5所述的影像處理系統，其中，該處理器濾除該彩色眼底圖中的紅色后，再將濾除紅色的該彩色眼底圖及該血管切割圖相疊。

7.如權利要求1所述的影像處理系統，其中，該處理器將該初始輸入圖輸入到一神經網絡，該神經網絡輸出該數值，其中該神經網絡是將尚未訓練的U-Net深度學習分割網絡所獲取出的多個特征進行分類，再將分類后的所述多個特征組成該神經網絡。

8.如權利要求1所述的影像處理系統，其中，該處理器將該初始輸入圖輸入到一神經網絡，該神經網絡輸出該數值，其中該神經網絡是將已訓練的U-Net深度學習分割網絡所獲取出的多個特征取出，并固定此些特征各自對應的一權重，再調整一全連接層的權重以產生該神經網絡。

9.如權利要求3所述的影像處理系統，其中，該處理器裁切出該視神經盤影像后，將該視神經盤影像的中心點視為原點，進行一極坐標轉換，以產生一極坐標轉換視神經盤影像，將該極坐標轉換視神經盤影像輸入該第一深度學習分割網絡，該第一深度學習分割網絡輸出該神經盤語意分析圖，將該極坐標轉換視神經盤影像輸入該第二深度學習分割網絡，該第二深度學習分割網絡輸出該神經杯語意分析圖。

10.如權利要求1所述的影像處理系統，其中，該處理器選擇該血管切割圖中一最粗血管影像以決定一視神經盤影像的長軸，選擇垂直于長軸的另一最粗血管影像以決定該視神經盤影像的短軸，一視神經杯影像的長軸平行于該視神經盤影像的長軸，該視神經杯影像的短軸平行于該視神經盤影像的長軸，該處理器依據該視神經盤影像的長軸及該視神經盤影像的短軸，應用一橢圓擬合演算法裁切出該視神經盤影像，依據該視神經杯影像的長軸及該視神經杯影像的短軸，應用該橢圓擬合演算法裁切出該視神經杯影像。