[發明專利]一種視網膜圖像分類方法及裝置

在審

• 申請號: 202110697599.9
• 申請日: 2021-06-23
• 公開（公告）號: CN113537298A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 楊小紅;彭慶晟
• 申請（專利權）人: 廣東省人民醫院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/38;G06K9/46;G06T7/11;G06T7/136;G06T7/187;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

1.一種視網膜圖像分類方法，其特征在于，包括：

根據視網膜圖像得到視網膜灰度圖；

將所述視網膜灰度圖輸入至血管分割模型中，以使所述血管分割模型從所述視網膜灰度圖中提取中間層特征圖，并將所述中間層特征圖進行池化操作后得到血管特征向量；

將所述血管特征向量輸入到邏輯回歸分類器模型中，輸出得到所述視網膜圖像的分類結果。

2.根據權利要求1所述的一種視網膜圖像分類方法，其特征在于，所述血管分割模型的訓練方法，具體為：

從訓練數據集中獲取第一圖片，將所述第一圖片上的黑邊進行掩膜處理以提取最大矩形的感興趣區域后，進行灰度化處理得到第二圖片；其中，所述訓練數據集為視網膜圖像的集合；

將所述第二圖片的分辨率設置為預設分辨率后，進行數據增強處理得到第三圖片；

將所述第三圖片作為樣本圖片輸入神經網絡模型中進行訓練，以得到所述血管分割模型。

3.根據權利要求2所述的一種視網膜圖像分類方法，其特征在于，所述根據視網膜圖像得到視網膜灰度圖，具體為：

將所述視網膜圖像進行灰度處理，得到第一灰度圖；

將所述第一灰度圖分割成多個子圖像，并對多個所述子圖像進行直方圖均衡化處理后，進行拼接得到所述視網膜灰度圖。

4.根據權利要求1-3中任意一項所述的一種視網膜圖像分類方法，還包括：

根據所述中間層特征圖，得到血管灰度圖；

根據所述邏輯回歸分類器模型的特征系數得到類別激活映射圖；

將所述類別激活映射圖的尺寸設置為預設尺寸后得到第一熱度圖；

將所述血管灰度圖作為掩膜疊加在所述第一熱度圖上，得到第二熱度圖。

5.根據權利要求4所述的一種視網膜圖像分類方法，其特征在于，所述根據所述中間層特征圖，得到血管灰度圖，具體為：

根據所述中間層特征圖，得到第二灰度圖；

將所述第二灰度圖進行二值化處理，得到血管二值圖；

根據所述血管二值圖獲取血管連通域的不合格像素點，將所述不合格像素點進行過濾后得到所述血管灰度圖。

6.一種視網膜圖像分類裝置，其特征在于，包括：第一獲取模塊、第二獲取模塊和分類模塊；

其中，所述第一獲取模塊根據視網膜圖像得到視網膜灰度圖；

所述第二獲取模塊用于將所述視網膜灰度圖輸入至血管分割模型中，以使所述血管分割模型從所述視網膜灰度圖中提取中間層特征圖，并將所述中間層特征圖進行池化操作后得到血管特征向量；

所述分類模塊用于將所述血管特征向量輸入到邏輯回歸分類器模型中，輸出得到所述視網膜圖像的分類結果。

7.根據權利要求6所述的一種視網膜圖像分類裝置，其特征在于，所述血管分割模型的訓練方法，具體為：

從訓練數據集中獲取第一圖片，將所述第一圖片上的黑邊進行掩膜處理以提取最大矩形的感興趣區域后，進行灰度化處理得到第二圖片；其中，所述訓練數據集為視網膜圖像的集合；

將所述第二圖片的分辨率設置為預設分辨率后，進行數據增強處理得到第三圖片；

將所述第三圖片作為樣本圖片輸入神經網絡模型中進行訓練，以得到所述血管分割模型。

8.根據權利要求7所述的一種視網膜圖像分類裝置，其特征在于，所述根據視網膜圖像得到視網膜灰度圖，具體為：

將所述視網膜圖像進行灰度處理，得到第一灰度圖；

將所述第一灰度圖分割成多個子圖像，并對多個所述子圖像進行直方圖均衡化處理后，進行拼接得到所述視網膜灰度圖。

9.根據權利要求6-8中任意一項所述的一種視網膜圖像分類裝置，還包括：熱度圖生成模塊；

所述熱度圖生成模塊用于根據所述中間層特征圖，得到血管灰度圖；根據所述邏輯回歸分類器模型的特征系數得到類別激活映射圖；將所述類別激活映射圖的尺寸設置為預設尺寸后得到第一熱度圖；將所述血管灰度圖作為掩膜疊加在所述第一熱度圖上，得到第二熱度圖。

10.根據權利要求9所述的一種視網膜圖像分類裝置，其特征在于，所述根據所述中間層特征圖，得到血管灰度圖，具體為：

根據所述中間層特征圖，得到第二灰度圖；

將所述第二灰度圖進行二值化處理，得到血管二值圖；

根據所述血管二值圖獲取血管連通域的不合格像素點，將所述不合格像素點進行過濾后得到所述血管灰度圖。