【技术实现步骤摘要】
本专利技术涉及一种眼底血管提取,尤其是涉及一种基于神经网络的监督学习型眼底血管提取方法。
技术介绍
眼部血管病变是一种常见的糖尿病并发症,我们的项目正是致力于处理眼底照片,提取血管特征,为进一步智能眼病检测作准备。由于光照不均匀及病变区域影响,自动分割血管图片并不是一件容易的事情。现有的处理技术主要分为两类:一、基于不同算子的方法。算子包括sobel算子、Laplacian算子等等,处理之后,人为设定阈值,选取血管像素。在该方法中,阈值的选取至关重要,却难以选择。二、血管追踪法。通过确定血管边缘,确定血管轮廓,继而提取血管图片。这些技术存在的问题主要包括:在血管中间光反射的部分检测效果差,在有分叉和交叠的部分检测效果差,使近的血管合并,使小的血管遗漏。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于神经网络的监督学习型眼底血管提取方法。本专利技术的目的可以通过以下技术方案来实现:一种基于神经网络的监督学习型眼底血管提取方法,该方法包括如下步骤:(1)建立眼底血管特征提取模型;(2)将待提取眼底血管的眼底图像输入至眼底血管特征提取模型进行特征量识别;(3)根据识别的特征量输出眼底血管图片。步骤(1)眼底血管特征提取模型为基于神经网络的监督学习型眼底血管特征提取模型。步骤(1)具体为:首先将待训练的眼底图像进行绿色通道反转,获得眼底图像绿色通道,然后进行特征量提取,最后进行训练建立基于神经网络的监督学习型眼底血管特征提取模型。步骤(2)对待提取眼底血管的眼底图像进行特征量识别具体为识别每个像素点的特征量;进而步骤(3)根据各个像素 ...
【技术保护点】
一种基于神经网络的监督学习型眼底血管提取方法,其特征在于,该方法包括如下步骤:(1)建立眼底血管特征提取模型;(2)将待提取眼底血管的眼底图像输入至眼底血管特征提取模型进行特征量识别;(3)根据识别的特征量输出眼底血管图片。
【技术特征摘要】
1.一种基于神经网络的监督学习型眼底血管提取方法,其特征在于,该方法包括如下步骤:(1)建立眼底血管特征提取模型;(2)将待提取眼底血管的眼底图像输入至眼底血管特征提取模型进行特征量识别;(3)根据识别的特征量输出眼底血管图片。2.根据权利要求1所述的一种基于神经网络的监督学习型眼底血管提取方法,其特征在于,步骤(1)眼底血管特征提取模型为基于神经网络的监督学习型眼底血管特征提取模型。3.根据权利要求2所述的一种基于神经网络的监督学习型眼底血管提取方法,其特征在于,步骤(1)具体为:首先将待训练的眼底图像进行绿色通道反转,获得眼底图像绿色通道,然后进行特征量提...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。