[发明专利]一种基于眼底图像的病灶图像分类与识别方法

说明书

本发明涉及一种基于眼底图像的病灶图像分类与识别方法，属于医学影像处理领域。该方法采用YOLOv5网络结构和目标框加权融合为框架，将采集得到的眼底图像经过Mosaic方法深化数据集，再结合深化后的图像数据集和损失函数训练，图像分类后进入目标框加权融合框架，最后根据分类概率输出不同眼底图像的二值图，分类输出病灶二值图。本发明采用提高了网络模型对病灶特征的提取能力。

技术领域

本发明属于医学影像处理领域，涉及一种基于眼底图像的病灶图像分类与识别方法。

背景技术

目前，眼底检查主要通过医生利用眼底检眼镜、眼底造影技术、眼底相机成像以及光的相互干涉技术等方式来进行人工检查。利用眼底相机能够清晰的采集到视网膜上主要组织结构。在眼底彩照图像中，血管在视网膜上分布最广且呈现为暗红色的网状结构，其和视觉神经纤维从视神经盘区域进入视网膜。视神经盘的特点是边界较为清晰、高亮的圆盘状结构。此外，如果眼底图像颜色较深可以被称为黄斑区，黄斑区呈椭圆形凹陷，其凹陷的部位称为中央凹。中央凹是人眼结构中最为敏感的区域，一旦该区域发生疾病，视力将受到较大影响。

现在的医疗环境下，产生了很多眼底图像检测方法和眼底图像血管分割技术。通过这些技术手段能得到很多精准且具备诊疗条件的眼底血管图像，从而进行更深入的病理分析。但是医生对眼底的检测可以不局限于人力本身，更需要智能识别算法进行辅助判断和治疗依据，通过这些血管图像以及相应的算法分析，能够获得较为准确的病灶判断，帮助医生确定病灶位置，分析病灶产生原因以及具体的病症判断。

在传统的病灶分析中，许多细小的病变组织不能被及时发现，尤其是在眼底检测的过程中。多数的眼底图像是以血管分割图像为基础，病灶往往藏在血管之中，此时仅考眼力发现是非常困难的。因此，亟需一种通过计算机图像视觉处理，以算法的形式，对产生的图像进行处理，能够较为精确的发现微小的病变区域。

发明内容

有鉴于此，本发明的目的在于提供一种基于眼底图像的病灶图像分类与识别方法，提升了网络模型对病灶的特殊部位以及微小变化区域的捕获能力。

为达到上述目的，本发明提供如下技术方案：

一种基于眼底图像的病灶图像分类与识别方法，包括以下步骤：

S1：采取Mosaic数据增强方法，对输入的四张眼底图像进行任意裁剪、缩放和排版组合；

S2：构建并训练YOLOv5网络，其中模块Backbone采用CSPDarknet作为图像中提取特征的主干，模块Neck使用路径集合网络生成特征金字塔网络对特征进行集合并传递给Head预测，模块Head生成用于对象检测的描框预测层；

S3：通过分类和回归后进入目标框加权融合(WBF)预测目标框，为每个预测边框设置不相同的权重，把每个设置的权重进行加权处理，作为融合的最终结果；

S4：根据分类概率输出不同眼底图像的二值图，分类输出病灶二值图。

进一步，步骤S1中，为了进一步加深数据集，提高网络训练速度，增强目标识别，采用在CutMix基础上改进为Mosaic数据增强方法，实现对4张图像进行任意剪切旋转缩放排版组合，其验证误差逐步下降，排除过度拟合情况，深化识别图像背景，缩短遍历图像时间。