[发明专利]视网膜微动脉瘤自动检测方法及成像方法

说明书

本发明公开了一种视网膜微动脉瘤自动检测方法，包括获取原始视网膜彩色眼底图像并标记；提取通道分量和感兴趣区域；对图像数据进行图像处理得到训练数据集；以U形网络为基本架构构建视网膜微动脉瘤初步识别模型；采用训练数据集训练识别模型得到最终的视网膜微动脉瘤识别模型；采用视网膜微动脉瘤识别模型对实时获取的视网膜彩色眼底图像进行识别检测。本发明还公开了一种包括所述视网膜微动脉瘤自动检测方法的成像方法。本发明采用卷积神经网络和注意力引导滤波器训练得到深度学习模型，可以自动提取特征，相比于传统方法，省去了复杂的人工特征设计和提取过程，具有速度快、准确率高的优势，而且可靠性高、实用性好、适用范围广且易于实施。

技术领域

本发明属于图像处理领域，具体涉及一种视网膜微动脉瘤自动检测方法及成像方法。

背景技术

随着经济技术的发展和人们生活水平的提高，人们对于健康的关注也越来越高。视网膜图像能够较好的反映眼底的状态，是人们了解自身眼睛状态的重要检查依据。目前，随着人们对于健康的关注度越来越高，视网膜图像在医学上的需求和应用也越来越广泛。

视网膜图像中，微动脉瘤是某些病变的早期重要指示标志。因此，对于视网膜微动脉瘤的检测和识别，就成为了视网膜图像检测的研究方向之一。

视网膜微动脉瘤的检测和识别，一般采用的是专业医护人员人工识别的方式。但是，这种方式对医生的水平和经验提出了较高的要求；而且由于微动脉瘤的尺寸非常小、颜色对比度较低，加之在眼底上分布较为随机，使得人工检测的过程繁琐且耗时，而且可靠性不高。

目前，基于机器学习的方法已经逐步应用，但是传统的基于机器学习的检测方法，需要繁琐的预处理，如血管去除、视盘去除等，后续还涉及候选微动脉瘤提取、手动设计、提取特征等复杂过程，使得该类方法的普适性不高，而且方法本身也存在可靠性差和流程复杂的缺陷。

发明内容

本发明的目的之一在于提供一种可靠性高、实用性好、适用范围广且易于实施的视网膜微动脉瘤自动检测方法。

本发明的目的之二在于提供一种包括了所述视网膜微动脉瘤自动检测方法的成像方法。

本发明提供的这种视网膜微动脉瘤自动检测方法，包括如下步骤：

S1.获取原始视网膜彩色眼底图像，并进行标记；

S2.针对步骤S1获取并标记的原始视网膜彩色眼底图像，提取通道分量和感兴趣区域；

S3.对步骤S2获取的图像数据进行图像处理，从而得到训练数据集；

S4.以U形网络为基本架构，构建视网膜微动脉瘤初步识别模型；

S5.采用步骤S3得到的训练数据集，对步骤S4构建的视网膜微动脉瘤初步识别模型进行训练，从而得到最终的视网膜微动脉瘤识别模型；

S6.采用步骤S5得到的视网膜微动脉瘤识别模型，对实时获取的视网膜彩色眼底图像进行识别检测，完成视网膜微动脉瘤的自动检测。

步骤S2所述的提取通道分量和感兴趣区域，具体为采用如下步骤提取通道分量和感兴趣区域：

A.提取原始视网膜彩色眼底图像绿色通道眼底图像；

B.采用最大类间阈值分割法来自适应的计算出最佳阈值T，从而提取得到感兴趣区域：