[发明专利]眼底彩照进行眼底病灶识别的方法

说明书

本发明公开了一种眼底彩照进行眼底病灶识别的方法。对眼底彩照中各部位的自动定位以及测量，达到疾病预筛选的效果，将有病变嫌疑的图片自动筛选出，能够快速有效地对出血、渗出与微血管瘤进行定位识别，从而可以辅助诊断糖尿病视网膜病变等疾病，减少医生工作量；并且其结果不依赖于医生经验，更加客观，能够有效的协助医生进行疾病的诊断，实现远程会诊的目的。

技术领域

本发明涉及一种眼底彩照进行眼底病灶识别的方法。

背景技术

为了迅速大批量地进行眼底彩照中的眼底常见病灶的识别和边界绘制，能够快速有效地对出血、渗出与微血管瘤进行定位识别，从而可以辅助诊断糖尿病视网膜病变等疾病。在临床中，由于边远山区、基层医院眼科医生和眼底相关阅片人员等人力所限，如对大量的眼底彩照一张一张机械性地进行审阅，工作内容繁重、单一重复、且效率不高，浪费大量的宝贵的人力资源。现有眼底彩照自动识别系统也有涉及到眼底图像自动识别分区方法，但却不是进行眼底结构位置的精确定位，病变识别。此外现有，方法多是利用网上的标准图片进行参照比较识别，然而现实临床中的眼底彩照图片并不是标准图片，甚至包括很多聚焦、明暗都有问题的图片，目前很多系统都是直接将图片进行识别，而不分图片质量，因为网上的标准库都是质量较好的图片，而且数量都很少。

发明内容

本发明的首要目的是提供一种眼底彩照进行眼底病灶识别的方法。对眼底彩照中各部位的自动定位以及测量，达到疾病预筛选的效果，将有病变嫌疑的图片自动筛选出，能够快速有效地对出血、渗出与微血管瘤进行定位识别，从而可以辅助诊断糖尿病等疾病，减少医生工作量；并且其结果不依赖于医生经验，更加客观，能够有效的协助医生进行疾病的诊断，实现远程会诊的目的。

为解决上述技术问题，本发明所采用的技术方案是：

本发明提供的眼底彩照进行眼底病灶识别的方法具有以下特点：

1、通过将形态学方法与机器学习方法相结合，将定位的区域通过形态学方法进行初步处理，然后进行机器学习方法预测，最后再通过形态学方法精确定位；

2、对医院或社区采集的大量患者的眼底彩照进行自动识别，以辅助医生对大量的糖尿病视网膜病变筛查及体检中心常规眼底彩照图片进行诊断，从而可以辅助诊断糖尿病等疾病；

3、利用大量张真实眼底彩照使模型充分地学习各种情况下图像数据的特征，使得判断更为精确，并且有更好的容错性，同时系统首先进行眼底彩照预处理以及图像质量的鉴别，以保证本系统在图片质量参差不齐的情况下，也能有很好的识别能力，有普适性。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明实施例选择的图像示例；

图2为本发明实施例所选择图像的灰度分布；

图3为本发明实施例血管识别时大致的血管轮廓示意图；

图4为本发明实施例血管识别时去毛刺处理后的血管轮廓示意图；

图5为本发明实施例血管识别时血管轮廓示意图断点拟合示意图；

图6为本发明实施例血管识别时确定血管边界示意图；

图7为本发明实施例血管识别效果图；

图8为本发明实施例微血管瘤识别时绿色轨道细节部分的图像；

图9为本发明实施例出血结果效果图；

图10、图12为本发明实施例渗出效果图；

图11为本发明实施例对应的原始图片；

图13为本发明实施例微血管瘤的候选点图像。