[发明专利]视网膜图谱构建方法及其装置、计算机设备、存储介质

权利要求书

1.视网膜图谱构建方法，其特征在于，所述方法包括：

获取不同被试对象的初始视网膜图像；

对所述初始视网膜图像进行分层处理，得到整体厚度图像和多个分层厚度图像；

对所述整体厚度图像进行图像配准，得到变形向量场；

根据所述变形向量场对所述分层厚度图像进行图像变换，得到目标视网膜图像；

将不同被试对象对应的目标视网膜图像进行组合，得到视网膜厚度图像张量；

对所述视网膜厚度图像张量进行分解，得到所述目标视网膜图像中每一像素点对应的特征向量，所述特征向量由不同被试对象的目标视网膜图像在同一像素位置的像素点组成；

基于所述特征向量对所述目标视网膜图像中的全部像素点进行聚类，得到聚类结果；

根据所述聚类结果对所述分层厚度图像中与目标视网膜图像对应的像素点进行标记，得到所述分层厚度图像对应的目标视网膜图谱。

2.根据权利要求1所述的视网膜图谱构建方法，其特征在于，在所述对所述初始视网膜图像进行分层处理，得到整体厚度图像和多个分层厚度图像之后，所述视网膜图谱构建方法还包括：

对所述整体厚度图像进行图像去噪，得到去噪后的整体厚度图像；

对所述分层厚度图像进行图像去噪，得到去噪后的分层厚度图像。

3.根据权利要求1所述的视网膜图谱构建方法，其特征在于，在所述对所述初始视网膜图像进行分层处理，得到整体厚度图像和多个分层厚度图像之后，所述视网膜图谱构建方法还包括：

对所述整体厚度图像进行图像增强，得到增强后的整体厚度图像；

对所述分层厚度图像进行图像增强，得到增强后的分层厚度图像。

4.根据权利要求1所述的视网膜图谱构建方法，其特征在于，所述对所述整体厚度图像进行图像配准，得到变形向量场，包括：

对不同被试对象的整体厚度图像进行厚度平均计算，得到模板视网膜图像；

对所述模板视网膜图像进行极坐标空间变换，得到极坐标模板图像；

对所述整体厚度图像进行极坐标空间变换，得到极坐标厚度图像；

将所述极坐标模板图像和所述极坐标厚度图像进行图像配准，得到极坐标空间变形向量场；

将所述极坐标空间变形向量场进行图像空间变换，得到变形向量场。

5.根据权利要求4所述的视网膜图谱构建方法，其特征在于，所述将所述极坐标模板图像和所述极坐标厚度图像进行图像配准，得到极坐标空间变形向量场，包括：

根据极坐标空间的角度对所述极坐标模板图像进行扫描，得到第一厚度曲线；所述第一厚度曲线为所述极坐标模板图像每个角度对应的厚度信息；

根据极坐标空间的角度对所述极坐标厚度图像进行扫描，得到第二厚度曲线；所述第二厚度曲线为所述极坐标厚度图像每个角度对应的厚度信息；

对所述第一厚度曲线和所述第二厚度曲线进行一致性特征提取，得到目标特征点；

根据所述目标特征点在所述极坐标空间内对所述极坐标模板图像和所述极坐标厚度图像进行图像配准，得到极坐标空间变形向量场。

6.根据权利要求1至5任一项所述的视网膜图谱构建方法，其特征在于，所述基于所述特征向量对所述目标视网膜图像中的全部像素点进行聚类，得到聚类结果，包括：

确定聚类中心；

计算所述目标视网膜图像中每一像素点对应的所述特征向量与所述聚类中心的相似度；

根据所述相似度对所述目标视网膜图像中的全部像素点进行聚类，得到聚类结果。

7.根据权利要求1至5任一项所述的视网膜图谱构建方法，其特征在于，所述根据所述聚类结果对所述分层厚度图像中与目标视网膜图像对应的像素点进行标记，得到所述分层厚度图像对应的目标视网膜图谱，包括：

根据所述聚类结果对所述分层厚度图像中与目标视网膜图像对应的像素点进行标记，得到初始视网膜图谱；

对所述初始视网膜图谱进行后处理，从所述初始视网膜图谱中去除离群点，得到目标视网膜图谱。