[发明专利]一种糖尿病性视网膜病变自动检测方法

说明书

本发明公开了一种糖尿病性视网膜病变自动检测方法，该方法首先对医学眼底图像进行预处理，生成每张眼底图像所对应的特征向量；接着基于眼底图像对应的特征向量应用聚类算法对所有眼底图像进行聚类，定义为不同模式的眼底图像；再基于不同病变时期、不同模式的眼底图像对应的特征向量建立参考特征空间，获得其在参考特征空间中的特征编码；最后通过计算待检测眼底图像与带标签眼底图像特征编码之间的余弦相似度实现对糖尿病性视网膜病变的自动检测。本发明基于网上可爬取到的视网膜眼底图像及标签，结合图像聚类算法，建立不同病变时期、不同模式视网膜眼底图像的参考特征空间及其特征编码映射，有效地提高了糖尿病视网膜病变自动检测的准确性和时效性。

技术领域

本发明属于图像识别技术领域，更为具体地讲，涉及一种糖尿病性视网膜病变自动检测方法

背景技术

糖尿病是一种世界范围的疾病,可以导致许多并发症，截止目前全球共有4.15亿人患糖尿病，并仍呈上升趋势，预计2040年该数字将会达到6.42亿，我国糖尿病患者就占了全球比例的1.5亿。其中糖尿病性视网膜病变是糖尿病最为严重的并发症之一,是高血糖导致血管受损引起的,可以表现出一系列的症状,如微血管瘤、出血和渗出物等。

糖尿病性视网膜病变应尽早诊断,尽早治疗。视网膜病变筛查是一种有效、低成本的重要早期诊断手段。目前,视网膜病变筛查主要采用眼底相机拍照,根据拍摄得到的彩色图像进行糖尿病性视网膜病变的病灶的诊断。

目前，糖尿病性视网膜病变检测是一个手动且十分耗时的过程，这需要一个很有经验的临床医生检查和评估视网膜的数字彩色眼底照片，但评估过程至少需要一到两天时间，导致的结果就是与患者沟通不畅，延误治疗。同时所需的专业知识和设备在糖尿病患病率高的地方极度匮乏。随着糖尿病患者人数的不断增长，预防导致失明的视网膜病变基础设施将变得更加不足。

发明内容

本发明的目的在于克服现有技术的不足，提供一种糖尿病性视网膜病变自动检测方法，基于不同模式眼底图像进行检测，以提高视网膜病变检测的准确性和时效性。

为实现上述发明目的，本发明糖尿病性视网膜病变自动检测方法，包括以下步骤：

(1)、通过眼底图像预处理，根据Hough变换提取眼球轮廓，设定外界矩阵大小，并通过缩放与裁剪，将图像规格化为统一大小图片，实现眼球轮廓对齐；

1.1)、通过Hough变换，检测眼底图像的眼球轮廓。Hough圆检测的原理是：检测图像中的边缘点，并保存其坐标位置(x,y)；设置角度theta的变化范围和步长，半径r的变换范围和步长,利用公式x＝a+rcos(theta),y＝b+rsin(theta)求出对应的圆心坐标(a,b)；

1.2)、确定眼球轮廓外接矩阵的大小，对数据集中的所有图像进行等比例缩放；

1.3)对缩放后的图像进行裁剪，实现眼球的轮廓对齐；

(2)、利用多层卷积神经网络模型提取每张眼底图像的深度特征，并用PCA技术对所有提取的眼底图像的深度特征进行降维，生成每张眼底图像所对应的特征向量；

2.1)根据步骤1获取裁剪后的图像，将眼底图像像素值向量输入CNN网络。

2.2)使用初始化的多个卷积核堆输入图像做卷积，得到卷积特征图像。

2.3)对卷积层得到的卷积特征图像作最大池采样，获得maxpooling后的特征图像，若下一层是卷积层，则对下一层网络执行步骤2，否则执行步骤4；

2.4)执行全连接运算，和普通神经网络相同，节点激活值为Wx+b；

2.5)若到达最后一层，则将该层特征应用PCA技术进行降维，得到的特征向量记为x，否则对下一层继续执行步骤4的操作；