[发明专利]一种基于深度学习的双视野眼底图像融合方法

说明书

本发明提供了一种基于深度学习的双视野眼底图像融合方法，具有这样的特征，包括以下步骤，步骤S1，对两张待测图像进行预处理获得两张预处理图像；步骤S2，搭建卷积神经网络模型，对卷积神经网络模型进行训练，从而得到训练后的卷积神经网络模型，称为M‑net；步骤S3，将M‑net分成两部分，称为M‑net PartⅠ和M‑net PartⅡ；步骤S4，将两张预处理图像分别放入M‑net PartⅠ进行特征提取，获得两张图像特征图；步骤S5，将两张图像特征图进行拼接，得到拼接图像；步骤S6，将拼接图像放入M‑net PartⅡ进行特征融合。

技术领域

本发明涉及计算机视觉技术领域，具体涉及到一种基于深度学习的双视野眼底图像融合方法。

背景技术

医学影像技术迅速发展，已经成为医疗诊断中不可或缺的技术。进入数字影像时代以来，海量数据的产生为医学影像未来的发展提供了更多的可能性。因此，如何对医学影像大数据做进一步分析和挖掘、如何从医学图像高维度数据中提取有价值的信息、如何将现代医学影像的发展与精准医疗紧密结合，成为医学影像未来发展的重要课题。

近年来，随着计算能力的增强和数据的爆炸式增加，以深度学习为代表的人工智能技术取得了长足的进步，并开始应用于生产生活中的各个领域。深度学习算法可以自动提取特征，避免了对高维度医学影像数据的复杂处理。在越来越多的公开的医学影像数据资源、开源的人工智能算法资源以及开放的高性能计算资源的共同推动下，深度学习算法将进一步在医学影像领域中飞速发展。

糖尿病视网膜病变(diabetic retinopathy,DR)，简称为糖网病，是常见致盲性眼病。中国是全球2型糖尿病患者最多的国家，随着糖尿病患者的增多，糖尿病视网膜病变的患病率、致盲率也逐年升高，是目前工作年龄人群第一位的致盲性疾病。

截至2015年，我国糖尿病患者约1.1亿人，按此推算我国糖尿病视网膜病变患者约2700万人。目前，87％的糖尿病患者就诊于县级及以下医疗机构。50％以上糖尿病患者未被告知应定期眼底检查。

眼底彩色照相可作为一种糖网病的快速筛查工具，为基层糖网病的防治工作提供一种简便易行的观察检测手段。眼底照相所检查的是整个视网膜的形态学改变。其原理就是用一种特制的照相机记录眼底镜下所看到的景象。眼底照相能够观察到视网膜、视盘、黄斑区、视网膜血管的形态，以及视网膜上有无出血、渗出、血管瘤、视网膜变性区、视网膜裂孔、新生血管、萎缩斑、色素紊乱等改变。

眼底照相有两种拍摄位置，分别是单视野拍摄法和双视野拍摄法。单视野拍摄法是以黄斑和视盘连线的中点为拍摄视野的中心，成像至少涵盖60％视网膜区域。双视野拍摄法中视野1以黄斑中心凹为拍摄视野的中心，成像至少涵盖45°视网膜区域，视野2以视盘为拍摄视野的中心，成像至少涵盖45°视网膜区域。

《国际临床糖尿病视网膜病变严重程度分级标准》将糖网病分为5个严重等级，分别是无明显糖尿病视网膜病变、轻度NPDR、中度NPDR、中度NPDR、增值性糖尿病视网膜病变PDR。目前公开数据集，例如IDRiD、Messidor、Kaggle数据集，都是采用单视野的图片，而在临床和基层中常采用双视野拍摄法。已有的糖网病分级算法绝大多数也是使用单张图像。在使用卷积神经网络进行分类时，需要对双视野的图像进行融合。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于深度学习的双视野眼底图像融合方法。