[发明专利]基于眼底图像的病变检测方法、装置、设备及存储介质

说明书

本申请涉及图像识别及数字医疗领域，揭示了一种基于眼底图像的病变检测方法、装置、计算机设备及存储介质，其中方法包括：获取眼底筛查图像，所述眼底筛查图像包括扫描图像和造影图像；将所述扫描图像输入到深度学习网络模型的双通道网络中的第一网络，获取所述第一网络得到的第一图像特征；所述第一图像特征包括眼底曲率与反射率；将所述造影图像输入到深度学习网络模型的双通道网络中的第二网络，获取所述第二网络得到的第二图像特征；所述第二图像特征包括血管密度以及眼底组织厚度；将所述第一图像特征与第二图像特征进行融合，得到融合特征；根据所述融合特征匹配所述图像对应的黄斑病变等级。本申请能够提高眼底黄斑病变等级识别的准确度。

技术领域

本申请涉及到图像识别及数字医疗领域，特别是涉及到一种基于眼底图像的病变检测方法、装置、计算机设备及存储介质。

背景技术

老年性黄斑变性(AMD)是一种严重影响老年人视力的眼部疾病，目前对AMD的检测是通过基于彩色眼底照片对眼底图像进行深入而耗时的分析。目前研究使用的眼底图像分别是眼底彩色图像和光学相干断层扫描(OCT)图像，该两者图像的眼底特征相互独立，无法准确地识别出眼底黄斑病变的程度。

发明内容

本申请的主要目的为提供一种基于眼底图像的病变检测方法、装置、计算机设备及存储介质，旨在解决目前眼底黄斑病变的程度的识别成都的准确性低的问题。

为了实现上述发明目的，本申请提出一种基于眼底图像的病变检测方法，包括：

获取眼底筛查图像，所述眼底筛查图像包括扫描图像和造影图像；

将所述扫描图像输入到深度学习网络模型的双通道网络中的第一网络，获取所述第一网络得到的第一图像特征；所述第一图像特征包括眼底曲率与反射率；

将所述造影图像输入到深度学习网络模型的双通道网络中的第二网络，获取所述第二网络得到的第二图像特征；所述第二图像特征包括血管密度以及眼底组织厚度；

将所述第一图像特征与第二图像特征进行融合，得到融合特征；

根据所述融合特征匹配所述图像对应的黄斑病变等级。

进一步地，所述根据所述融合特征匹配所述图像对应的黄斑病变等级，包括：

计算所述融合特征与标准特征的损失度，根据所述损失度匹配所述黄斑病变等级。

进一步地，所述将所述第一图像特征与第二图像特征进行融合，得到融合特征，包括：

获取第一图像特征的第一眼底曲率与第一反射率，获取第二图像特征的第二眼底曲率与第二反射率；

获取第一图像特征的第一血管密度与第一眼底组织厚度，获取第二图像特征的第二血管密度与第二眼底组织厚度；

获取所述第一图像特征与第二图像特征中各项特征的融合比例；

根据所述融合比例对所述第一眼底曲率与第一反射率、第二眼底曲率与第二反射率、第一血管密度与第一眼底组织厚度、第二血管密度与第二眼底组织厚度进行融合，得到融合特征。

进一步地，所述获取眼底筛查图像之后，包括：

获取所述眼底筛查图像的眼底周围部位的第一冗余图像；

从所述眼底筛查图像删除所述第一冗余图像，得到待选眼底筛查图像；

从所述待选眼底筛查图像中获取黄斑部位的中央凹区域图像；

在所述待选眼底筛查图像中对所述中央凹区域图像进行随机翻转，得到目标眼底筛查图像。

进一步的，所述在所述待选眼底筛查图像中对所述中央凹区域图像进行随机翻转，得到目标眼底筛查图像之后，还包括：