[发明专利]一种区域特征融合的高血压视网膜病变分类方法

权利要求书

1.一种区域特征融合的高血压视网膜病变分类方法，其特征在于提出两个阶段模型，其包括如下：高血压视网膜病变分类模型和动静脉交叉压迫分类模型，目的将局部特征动静脉交叉压迫分类模型与高血压视网膜病变分类模型相融合来增强高血压视网膜病变识别和分类效果，可缓解由于患者量增多出现的误诊、漏诊和医学水平不均衡的问题，减轻医生负担，并能尽早识别高血压视网膜病变，从而对高血压患者进行诊断与治疗。

2.根据权利要求1所述一种区域特征融合的高血压视网膜病变分类方法，将眼底图像进行图像预处理，包括去除黑色背景、调整图像分辨率、图像归一化和数据扩增四个步骤，图像归一化采用减去局部均值方法，公式如下所示：

I_out＝α×I_in+β×I_Gaussian+γ

其中I_out为输出图像，α、β和γ为系数，值分别为4，-4和128，I_in为输入图像，I_Gaussian为输入图像经过高斯滤波处理后得到的图像。

3.根据权利要求1所述一种区域特征融合的高血压视网膜病变分类方法，将预处理好的图像分别送入动静脉交叉压迫分类模型和高血压视网膜病变分类模型。

4.根据权利要求1所述一种区域特征融合的高血压视网膜病变分类方法，在动静脉交叉压迫分类模型中，首先利用SeqNet对预处理的图像进行血管分割与动静脉分类，其中所述SeqNet主要由由两个部分组成，第一部分采用IterNet完成血管分割，IterNet由小型U-net多次迭代组成，第二部分采用另一个尺寸的U-net完成动静脉分类，并将输入图像中的背景像素进行遮罩，公式为：

x_out＝x_in·v

其中x_out为遮罩后的图像，x_in为输入图像，v为细化后的图像。

5.根据权利要求1所述一种区域特征融合的高血压视网膜病变分类方法，根据血管分割和动静脉分类后的结果，对结果眼底图像进行骨骼化，并利用角点检测检测出所有动静脉交叉点，公式为：

R＝det(M)-k(traceM)²

其中R为角点响应强度，M为协方差矩阵，具体计算公式如公式所示，det(M)为矩阵M行列式，traceM为矩阵M的迹，k是系数，取0.04-0.06之间。其中M协方差矩阵公式为：

其中，w(x,y)为窗口函数，I_x和I_y分别为像素在x,y方向上的梯度。

6.根据权利要求1所述一种区域特征融合的高血压视网膜病变分类方法，将检测出的交叉点映射回原图，利用滑窗法对原图进行分割，提取感兴趣区域。

7.根据权利要求1所述一种区域特征融合的高血压视网膜病变分类方法，将提取出的感兴趣区域图像块送入改进的ResNet50神经网络进行分类，所述一种区域特征融合的高血压视网膜病变分类方法，在高血压视网膜病变分类模型中，将预处理后的眼底图像送入VGG19神经网络进行分类，所述一种区域特征融合的高血压视网膜病变分类方法，将动静脉交叉压迫分类模型与高血压视网膜病变分类模型进行模型融合，利用神经网络进行最终分类。