[发明专利]基于深度学习的睑板腺图像识别方法及相关设备

权利要求书

1.一种基于深度学习的睑板腺图像识别方法，其特征在于，所述方法包括：

获取原始睑板腺图像；

对所述原始睑板腺图像进行预处理，得到待识别睑板腺图像；所述预处理包括多维度图像增强处理、滤波处理之中的至少一种；

将所述待识别睑板腺图像输入图像分割模型进行语义分割，获得分割出的睑板腺区域的睑板腺面积；所述图像分割模型是基于深度学习对预设尺寸的样本图像进行迭代训练得到的；

对所述待识别睑板腺图像进行过滤和二值化处理，对得到的二值化图像进行轮廓提取，经过凸包拟合处理，获得睑板区域的睑板面积；

依据所述睑板腺面积和所述睑板面积之间的比较结果，输出所述原始睑板腺图像的睑板腺识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述原始睑板腺图像进行预处理，得到待识别睑板腺图像，包括：

依据多尺度图像细节提升算法，获得所述睑板腺图像的多维度细节特征，将所述多维度细节特征融合至所述原始睑板腺图像，得到第一处理图像；

按照自适应直方图均衡化方式，增大所述第一处理图像的对比度，得到第二处理图像；

对所述第二处理图像进行同态滤波处理，得到待识别睑板腺图像。

3.根据权利要求2所述的方法，其特征在于，所述对所述第二处理图像进行同态滤波处理，得到待识别睑板腺图像，包括：

对所述第二处理图像进行对数变换和频域变换处理后，得到频域睑板腺图像；

利用高斯高通滤波函数，对所述频域睑板腺图像进行滤波处理后，经过频域反变换处理，得到空间域睑板腺图像；

对所述空间域睑板腺图像进行指数变换处理，得到待识别睑板腺图像。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述对所述待识别睑板腺图像进行过滤处理，包括：

利用高斯滤波函数，对所述待识别睑板腺图像进行降噪和平滑处理，得到第一滤波图像；

通过图像开运算，对所述第一滤波图像进行二次滤波处理。

5.根据权利要求4所述的方法，其特征在于，所述对得到的二值化图像进行轮廓提取，经过凸包拟合处理，获得睑板区域的睑板面积，包括：

对得到的二值化图像进行轮廓检测，提取符合预设轮廓条件的睑板轮廓；所述预设轮廓条件包括通过统计得到的睑板轮廓面积范围；

对所述睑板轮廓进行凸包拟合处理，得到所述待识别睑板腺图像中的睑板区域；

统计所述睑板区域的像素点数量，得到所述睑板区域的睑板面积。

6.根据权利要求4所述的方法，其特征在于，所述依据所述睑板腺面积和所述睑板面积之间的比较结果，输出所述原始睑板腺图像的睑板腺识别结果，包括：

将所述睑板腺面积和所述睑板面积进行比较，获得睑板腺面积目标缺失率；

输出所述原始睑板腺图像中睑板腺的所述睑板腺面积目标缺失率；和/或，

调取预设的睑板腺面积缺失率与睑板腺功能障碍等级之间的对应关系；

按照所述对应关系，确定所述睑板腺面积目标缺失率对应的睑板腺功能障碍目标等级；

输出所述原始睑板腺图像中睑板腺的所述睑板腺功能障碍目标等级。

7.根据权利要求6所述的方法，其特征在于，所述睑板腺面积缺失率与睑板腺功能障碍等级之间的对应关系的获得方法包括：

对第一数量的具有不同睑板腺功能障碍等级的患者的睑板腺图像进行睑板腺面积缺失率进行统计；

对统计得的睑板腺面积缺失率进行归一化处理，得到不同睑板腺功能障碍等级对应的睑板腺面积缺失率范围。