[发明专利]眼底图像处理方法、装置、计算机设备和存储介质有效

专利信息
申请号: 201810340025.4 申请日: 2018-04-16
公开(公告)号: CN109390053B 公开(公告)日: 2021-01-08
发明(设计)人: 贾伟平;盛斌;李华婷;戴领 申请(专利权)人: 上海市第六人民医院;上海交通大学
主分类号: G16H50/20 分类号: G16H50/20;G16H30/20;G06N3/04
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 王宁
地址: 200030 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 眼底 图像 处理 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种眼底图像处理方法,所述方法包括:

接收采集的眼底图像;

通过第一神经网络识别所述眼底图像,生成眼底图像的第一特征集;

通过第二神经网络识别所述眼底图像,生成眼底图像的第二特征集,其中,所述第一特征集和所述第二特征集表征所述眼底图像不同的病变属性;所述第一神经网络是能够识别眼底图像中所包含的病变类型的卷积神经网络,第二神经网络是能够识别眼底图像包含的眼底病变的病变级别的卷积神经网络;所述第一神经网络识别的眼底病变类型包括:微血管瘤、硬性渗出、软性渗出和出血;第一神经网络输出的第一特征集是长度为4的特征向量,训练第一神经网络使得输出的特征向量的每一个元素依次代表对应的病变类型;

组合所述第一特征集和所述第二特征集,得到眼底图像的组合特征集;

将所述组合特征集输入至分类器中,得到分类结果;

所述通过第二神经网络识别所述眼底图像,生成眼底图像的第二特征集,包括:通过第二神经网络识别所述眼底图像的病变级别属性,输出所述眼底图像的病变级别向量,其中,当设置眼底病变包含有n级病变时,生成的病变级别向量的长度为n-1,其中,i级病变的特征向量中前i为1,其余为0。

2.根据权利要求1所述的方法,其特征在于,所述第一特征集表征所述眼底图像的病变类型属性,所述第二特征集表征所述眼底图像的病变级别属性;

所述将所述组合特征集输入至分类器中,得到分类结果,包括:

将带有病变类型属性和病变级别属性的组合特征集输入至由多个二类分类器按照设定的分类逻辑构成的多级分类器中,得到所述眼底图像的多级分类结果。

3.根据权利要求2所述的方法,其特征在于,所述通过第一神经网络识别所述眼底图像,得到眼底图像的第一特征集包括:

将所述眼底图像做象限分割,生成象限图像组;

将所述象限图像组中的每一象限图像输入至第一神经网络中,得到每一象限图像的特征向量;

组合所述每一象限图像的特征向量生成所述眼底图像的第一特征集。

4.根据权利要求1-3任意一项所述的方法,其特征在于,接收的所述眼底图像包括来自同一个患者的左眼眼底图像和右眼眼底图像;

所述将组合特征集输入至分类器中,得到分类结果包括:

连接所述左眼眼底图像的组合特征集和所述右眼眼底图像的组合特征集,生成所述眼底图像的组合特征序列;

将所述组合特征序列输入至分类器中,得到分类结果。

5.根据权利要求1-3任一项所述的方法,其特征在于,接收的所述眼底图像包括来自同一患者的第一视野左眼眼底图像、第二视野左眼眼底图像、第一视野右眼眼底图像和第二视野右眼眼底图像;

所述将组合特征集输入至分类器中,得到分类结果包括:

连接所述第一视野左眼眼底图像的组合特征集、第二视野左眼眼底图像的组合特征集、所述第一视野右眼眼底图像的组合特征集,第二视野右眼眼底图像的组合特征集,生成所述眼底图像的组合特征序列;

将所述组合特征序列输入至分类器中,得到分类结果。

6.根据权利要求1所述的方法,其特征在于,

所述第一特征集和第二特征集的组合是特征的矢量加和。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海市第六人民医院;上海交通大学,未经上海市第六人民医院;上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810340025.4/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top