[發(fā)明專利]一種視網(wǎng)膜圖像分類方法及裝置

在審

• 申請?zhí)枺?/td>: 202110697599.9
• 申請日: 2021-06-23
• 公開（公告）號: CN113537298A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計）人: 楊小紅;彭慶晟
• 申請（專利權(quán)）人: 廣東省人民醫(yī)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(huán)專利商標代理有限公司 44202
• 代理人: 郭浩輝;顏希文

本發(fā)明公開了一種視網(wǎng)膜圖像分類方法及裝置，所述方法包括：先根據(jù)視網(wǎng)膜圖像得到視網(wǎng)膜灰度圖；再將所述視網(wǎng)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(wǎng)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；最后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(wǎng)膜圖像的分類結(jié)果。采用本發(fā)明實施例能避免無關(guān)生物特征的影響，提高了視網(wǎng)膜圖像的分類準確度和精度。

技術(shù)領(lǐng)域

本發(fā)明圖像處理技術(shù)領(lǐng)域，尤其涉及一種視網(wǎng)膜圖像分類方法及裝置。

背景技術(shù)

在利用視網(wǎng)膜圖像進行分類預測的研究中，例如利用視網(wǎng)膜圖像對心血管手術(shù)指標的風險分類和心臟病嚴重性分類預測等，由于視網(wǎng)膜圖像中有效的特征區(qū)域僅為血管，而其他視網(wǎng)膜圖像中血管以外如視盤、色素、微動脈瘤等無效生物標記無疑加大模型的學習難度，因此通過單個模型對視網(wǎng)膜圖像進行分類后所得到的分類結(jié)果的精度和準確度都不高。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種視網(wǎng)膜圖像分類方法及裝置，避免了無關(guān)生物特征的影響，提高了視網(wǎng)膜圖像的分類準確度和精度。

本申請實施例的第一方面提供了一種視網(wǎng)膜圖像分類方法，包括：

根據(jù)視網(wǎng)膜圖像得到視網(wǎng)膜灰度圖；

將視網(wǎng)膜灰度圖輸入至血管分割模型中，以使血管分割模型從視網(wǎng)膜灰度圖中提取中間層特征圖，并將中間層特征圖進行池化操作后得到血管特征向量；

將血管特征向量輸入到邏輯回歸分類器模型中，輸出得到視網(wǎng)膜圖像的分類結(jié)果。

在第一方面的一種可能的實現(xiàn)方式中，血管分割模型的訓練方法，具體為：

從訓練數(shù)據(jù)集中獲取第一圖片，將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(qū)域后，進行灰度化處理得到第二圖片；其中，訓練數(shù)據(jù)集為視網(wǎng)膜圖像的集合；

將第二圖片的分辨率設(shè)置為預設(shè)分辨率后，進行數(shù)據(jù)增強處理得到第三圖片；

將第三圖片作為樣本圖片輸入神經(jīng)網(wǎng)絡(luò)模型中進行訓練，以得到血管分割模型。

在第一方面的一種可能的實現(xiàn)方式中，根據(jù)視網(wǎng)膜圖像得到視網(wǎng)膜灰度圖，具體為：

將視網(wǎng)膜圖像進行灰度處理，得到第一灰度圖；

將第一灰度圖分割成多個子圖像，并對多個子圖像進行直方圖均衡化處理后，進行拼接得到視網(wǎng)膜灰度圖。

在第一方面的一種可能的實現(xiàn)方式中，還包括：

根據(jù)中間層特征圖，得到血管灰度圖；

根據(jù)邏輯回歸分類器模型的特征系數(shù)得到類別激活映射圖；

將類別激活映射圖的尺寸設(shè)置為預設(shè)尺寸后得到第一熱度圖；

將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。

在第一方面的一種可能的實現(xiàn)方式中，根據(jù)中間層特征圖，得到血管灰度圖，具體為：

根據(jù)中間層特征圖，得到第二灰度圖；

將第二灰度圖進行二值化處理，得到血管二值圖；

根據(jù)血管二值圖獲取血管連通域的不合格像素點，將不合格像素點進行過濾后得到血管灰度圖。

本申請實施例的第二方面提供了一種視網(wǎng)膜圖像分類裝置，包括：第一獲取模塊、第二獲取模塊和分類模塊；

其中，第一獲取模塊用于根據(jù)視網(wǎng)膜圖像得到視網(wǎng)膜灰度圖；