[发明专利]一种基于眼部B超图像的晶状体关键特征定位方法

权利要求书

1.一种基于眼部B超图像的晶状体关键特征定位方法，其特征在于，包括如下步骤：

S1、获取眼部B超图像，并进行预处理，得到预处理后的B超图像及眼球坐标、晶状体坐标；

S2、将预处理后的B超图像与眼球坐标结合后，送入训练完毕的目标检测网络YOLOv3，得到眼球位置图像；将预处理后的B超图像与晶状体坐标，送入训练完毕的目标检测网络YOLOv3，得到晶状体位置图像；

S3、将眼球位置图像和晶状体位置图像代入训练完毕的特征提取网络组，得到分别与眼球位置图像和晶状体位置图像对应的图像特征和特征坐标；

S4、将图像特征代入训练完毕的协同学习网络，筛选得到关键图像特征；

S5、将关键图像特征对应的特征坐标标注在眼部B超图像上，完成晶状体关键特征定位；

所述特征提取网络包括与眼球位置图像对应的Eyeball COI+BPNN模块和与晶状体位置图像对应的Lens COI+BPNN模块；

训练特征提取网络的具体步骤包括：

S3-2-1、将眼球位置图像和晶状体位置图像调整至要求尺寸，并进行变形处理，得到变形处理后的位置图像；

S3-2-2、将变形处理后的位置图像代入傅里叶描述子中，得到与位置图像对应的36维形状特征；

S3-2-3、将变形处理后的位置图像代入灰度共生矩阵中，计算四个方向的灰度共生矩阵GLCM的能量、对比度、熵、反差分，得到与位置图像对应的16维纹理特征；

S3-2-4、使用imagenet数据集对卷积神经网络DenseNet161进行预训练，将变形处理后的位置图像代入训练后的卷积神经网络DenseNet161，将得到的与位置图像对应的卷积神经网络DenseNet161的倒数第二层得到的2208维特征作为深度特征；

S3-2-5、将形状特征、纹理特征和深度特征结合后代入反向传播网络BPNN进行训练，得到训练完毕的反向传播网络BPNN，即训练完毕的特征提取网络。

2.根据权利要求1所述的基于眼部B超图像的晶状体关键特征定位方法，其特征在于，所述对眼部B超图像预处理的方法包括：

S1-1、将所有获取的眼部B超图像全部转换为设定尺寸及设定格式的图像文件，得到图像文件集；

S1-2、将图像文件集分为用于训练目标检测网络YOLOv3的目标检测组和用于训练特征提取网络的特征提取组；

S1-3、在目标检测组的图像文件集中标注出眼球坐标和晶状体坐标。

3.根据权利要求2所述的基于眼部B超图像的晶状体关键特征定位方法，其特征在于，所述眼球坐标和晶状体坐标为眼球和晶状体的左上角与右下角的坐标。

4.根据权利要求3所述的基于眼部B超图像的晶状体关键特征定位方法，其特征在于，所述训练目标检测网络YOLOv3的具体步骤包括：

S2-1、对眼球坐标分别进行归一化处理，并调整预处理后的B超图像至目标尺寸；

S2-2、将调整至目标尺寸的B超图像送入主干网络DarkNet53，得到包含若干模块的特征数据组；

S2-3、将特征数据组中各模块相互拼接，得到对应的拼接结果；

S2-4、将拼接结果通过卷积处理后作为眼球可能位置；

S2-5、将所有眼球可能位置代入目标检测网络YOLOv3中，使YOLOv3使用三个眼球位置预测的特征图得到眼球位置图像；

S2-6、对晶状体坐标重复步骤S2-1到S2-5，得到晶状体位置图像。