[发明专利]黄斑图像区域分割方法和设备

说明书

本发明提供一种黄斑图像区域分割方法和设备，所述方法包括：从眼底图像中截取黄斑区域图像，所述黄斑区域图像中包括黄斑影像和背景；利用机器学习模型对所述黄斑区域图像和所述眼底图像进行分类，并获取所述机器学习模型在分类过程中提取的特征信息；根据所述特征信息获得热力图；利用所述热力图从所述眼底图像中分割出感兴趣区域。

技术领域

本发明涉及眼科图像检测领域，具体涉及一种黄斑图像区域分割方法 和设备。

背景技术

在医疗领域中，黄斑在眼底视神经盘的颞侧0.35cm处并稍下方，处于 人眼的光学中心区，是视力轴线的投影点。黄斑位于视网膜的中心，该部 位集中了大量的视觉功能细胞。黄斑区的异常经常直接导致视觉能力的下 降，黄斑区的病变如果没有被及时的发现和治疗，失明的几率将大大提高。

目前，机器学习在医学领域得到了广泛的应用，尤其以深度学习为代 表的机器学习技术在医疗影像领域被广泛关注。在眼底图像检测方面，深 度学习技术已经被用于青光眼、糖尿病视网膜病变等病种的检测，并取得 了良好效果。但是，由于眼底图像中黄斑的形态特征往往因病变程度的不 同而差异巨大，导致现有的机器学习技术对黄斑部疾病识别的准确性无法 达到预期。

发明内容

有鉴于此，本发明提供一种黄斑图像区域分割方法，包括：

从眼底图像中截取黄斑区域图像，所述黄斑区域图像中包括黄斑影像 和背景；

利用机器学习模型对所述黄斑区域图像和所述眼底图像进行分类，并 获取所述机器学习模型在分类过程中提取的特征信息；

根据所述特征信息获得热力图；

利用所述热力图从所述眼底图像中分割出感兴趣区域。

可选地，所述特征信息是所述机器学习模型中用于提取所述黄斑区域 图像的特征的神经网络输出的特征信息。

可选地，所述特征信息是所述神经网络中的最后一个卷积层输出的多 个特征图及其相应的权重。

可选地，所述热力图是所述多个特征图和相应权重的乘积之和。

可选地，所述利用所述热力图从所述眼底图像中分割出感兴趣区域， 包括：

融合所述热力图和所述黄斑区域图像得到融合图像；

在所述融合图像中识别出热力区域；

在所述眼底图像中标记所述热力区域。

可选地，在所述利用机器学习模型对所述黄斑区域图像和所述眼底图 像进行分类的步骤中，所述机器学习模型还用于输出类别信息；

所述利用所述热力图从所述眼底图像中分割出感兴趣区域，还包括：

判断所述类别信息是否为设定类别信息；

当所述类别信息是设定类别信息时，在所述融合图像中确定连通区域；

在所述眼底图像中标记所述连通区域。

可选地，在所述融合图像中确定连通区域，包括：

根据设定阈值在所述融合图像识别连通区域；

根据识别出的各个连通区域的像素点组成数量进行筛选；

保留筛选后的连通区域。

可选地，所述方法还包括：

计算标记的全部连通区域的面积总和。

可选地，所述方法还包括：

计算所述面积总和与所述眼底图像中的视盘影像面积的比例。