[发明专利]青光眼的视盘分割图谱获取方法

说明书

本发明公开了一种青光眼的视盘分割图谱获取方法，包括获取已知彩色眼底图像和眼底图数据集并分类；构造视盘初步分割深度学习网络，利用分类数据对网络进行训练、测试和修正，得到视盘分割模型；对测试数据集和训练数据集进行分割并截图；处理截图；构建可解释的青光眼初步辅助网络；利用截图对解释的青光眼初步辅助网络进行训练和修正得到可解释的青光眼辅助网络；利用视盘分割模型对待分析的彩色眼底图像数据分割并得到视盘截图；利用可解释的青光眼辅助网络处理视盘截图得到灰度热力图；对灰度热力图进行处理得到最终的视盘分割图谱。本发明方法能够快速的为医生提供辅助诊断的视盘分割图谱，而且方法可靠性高，效果较好。

技术领域

本发明具体涉及一种青光眼的视盘分割图谱获取方法。

背景技术

随着社会和经济技术的发展，人们对于健康的重视程度也越来越高。而随着智能电子设备(如智能手机、平板电脑等)的普及和大屏幕智能电子设备的广受欢迎，智能电子设备逐步占据了人们大部分的娱乐休闲时间。

而随着智能电子设备，特别是大屏幕智能电子设备的普及，青光眼的发病有逐年增加的趋势。青光眼是全球第二大致盲性眼科疾病。它导致的致盲症状是难以察觉的，其症状一般是从外往内的失明，当病人有所察觉的时候已经是晚期。目前青光眼无法被治愈，只能通过早期发现和干预来缓解失明的进程。因此对社会有着难以估量的危害。

目前在临床实践中，医生常规的青光眼检测方法是眼内压检测、视野检测、眼底图像分析诊断等方法。但是，受医生主观因素比如经验和视觉差异的影响，不同的医生有不同的诊断结果；另一方面，因为青光眼的特殊性，它需要广泛的筛查和长期的跟踪，这使医生的工作量远超负荷。

因此，随着人工智能技术的提高，人们逐步开始采用人工智能技术进行辅助筛查。目前常用的方法是，通过不同的设计和训练模式在多层神经网络上对大样本数据进行训练，最终完成对青光眼的辅助筛查。这类方法拥有最优的辅助诊断能力和泛化能力，并能在较短的时间内完成端到端的训练和部署，其良好的泛化能力使它适合在不同数据库和场景下使用，适合广泛的筛查和长期的跟踪，大大降低了医生的工作量。

但是，目前的辅助筛查方法并未被广泛使用，其原因在于：目前的方法只能给出辅助筛查的结果，而且模型一旦出错或者模型建立时的性能不佳，则使得模型的可靠性不高；而且目前的方法虽然能够给出相应的辅助筛查结果，但是并不能给出相应的辅助诊断依据和可解释性信息，使得目前的方法的可信任度不高。

发明内容

本发明的目的在于提供一种能够提供青光眼的视盘分割图谱，而且可靠性高、效果较好的青光眼的视盘分割图谱获取方法。

本发明提供的这种青光眼的视盘分割图谱获取方法，包括如下步骤：

S1.获取已知的彩色眼底图像和对应的眼底图数据集，并将彩色眼底图像中青光眼的眼底图像所对应的眼底图数据集分为测试数据集和训练数据集；

S2.构造视盘初步分割深度学习网络，利用步骤S1得到的训练数据集对视盘初步分割深度学习网络进行训练，并利用步骤S1得到的测试数据集对训练后的视盘初步分割深度学习网络进行测试和修正，从而得到视盘分割模型；

S3.利用步骤S2得到的视盘分割模型，对步骤S1获取的测试数据集和训练数据集进行分割，并将分割得到的图谱进行截取从而得到截图；

S4.对步骤S3得到的截图的原始图像进行处理，使得截图的图像的分辨率统一；

S5.构建可解释的青光眼初步辅助网络；

S6.利用步骤S3得到的截图对步骤S5构建的青光眼辅助网络进行训练和修正，从而得到可解释的青光眼辅助网络；

S7.针对待分析的彩色眼底图像数据，利用步骤S2得到的视盘分割模型进行分割并得到视盘截图；