The invention discloses an automatic detection method for diabetic retinopathy, which firstly preprocesses the medical fundus image and generates the corresponding eigenvectors of each fundus image; and then applies clustering algorithm to cluster all fundus images based on the corresponding eigenvectors of the fundus image and defines them as different patterns. Fundus images; then based on the corresponding feature vectors of fundus images of different pathological stages and patterns, the reference feature space is established to obtain its feature coding in the reference feature space; finally, the cosine similarity between the fundus images to be detected and the feature coding of labeled fundus images is calculated to realize diabetic visual acuity. Automatic detection of omental lesions. Based on the retinal fundus images and labels that can be crawled on the network and combined with the image clustering algorithm, the invention establishes the reference feature space and the feature coding mapping of the retinal fundus images with different pathological stages and patterns, and effectively improves the accuracy and timeliness of the automatic detection of diabetic retinopathy.
【技术实现步骤摘要】
一种糖尿病性视网膜病变自动检测方法
本专利技术属于图像识别
,更为具体地讲,涉及一种糖尿病性视网膜病变自动检测方法
技术介绍
糖尿病是一种世界范围的疾病,可以导致许多并发症,截止目前全球共有4.15亿人患糖尿病,并仍呈上升趋势,预计2040年该数字将会达到6.42亿,我国糖尿病患者就占了全球比例的1.5亿。其中糖尿病性视网膜病变是糖尿病最为严重的并发症之一,是高血糖导致血管受损引起的,可以表现出一系列的症状,如微血管瘤、出血和渗出物等。糖尿病性视网膜病变应尽早诊断,尽早治疗。视网膜病变筛查是一种有效、低成本的重要早期诊断手段。目前,视网膜病变筛查主要采用眼底相机拍照,根据拍摄得到的彩色图像进行糖尿病性视网膜病变的病灶的诊断。目前,糖尿病性视网膜病变检测是一个手动且十分耗时的过程,这需要一个很有经验的临床医生检查和评估视网膜的数字彩色眼底照片,但评估过程至少需要一到两天时间,导致的结果就是与患者沟通不畅,延误治疗。同时所需的专业知识和设备在糖尿病患病率高的地方极度匮乏。随着糖尿病患者人数的不断增长,预防导致失明的视网膜病变基础设施将变得更加不足。
技术实现思路
本专利技术的目的在于克服现有技术的不足,提供一种糖尿病性视网膜病变自动检测方法,基于不同模式眼底图像进行检测,以提高视网膜病变检测的准确性和时效性。为实现上述专利技术目的,本专利技术糖尿病性视网膜病变自动检测方法,包括以下步骤:(1)、通过眼底图像预处理,根据Hough变换提取眼球轮廓,设定外界矩阵大小,并通过缩放与裁剪,将图像规格化为统一大小图片,实现眼球轮廓对齐;1.1)、通过Hough变换,检 ...
【技术保护点】
1.一种糖尿病性视网膜病变自动检测方法,其特征在于,包括以下步骤:(1)、通过眼底图像预处理,根据Hough变换提取眼球轮廓,设定外界矩阵大小,并通过缩放与裁剪,将图像规格化为统一大小图片,实现眼球轮廓对齐;(2)、利用多层卷积神经网络模型提取每张眼底图像的深度特征,并用PCA技术对所有提取的眼底图像的深度特征进行降维,生成每张眼底图像所对应的特征向量;(3)、基于眼底图像对应的特征向量应用聚类算法对所有眼底图像进行聚类,将所聚每一类的眼底图像定义为不同模式的眼底图像;(4)、基于不同病变时期、不同模式的眼底图像对应的特征向量建立参考特征空间;(5)、对于待检测的眼底图像,应用步骤(2)提取该张眼底图像所对应的特征向量,并通过映射获得其在参考特征空间中的特征编码;(6)、使用余弦相似度计算待检测眼底图像与带标签眼底图像特征编码之间的余弦相似度实现对糖尿病视网膜病变的自动检测。
【技术特征摘要】
1.一种糖尿病性视网膜病变自动检测方法,其特征在于,包括以下步骤:(1)、通过眼底图像预处理,根据Hough变换提取眼球轮廓,设定外界矩阵大小,并通过缩放与裁剪,将图像规格化为统一大小图片,实现眼球轮廓对齐;(2)、利用多层卷积神经网络模型提取每张眼底图像的深度特征,并用PCA技术对所有提取的眼底图像的深度特征进行降维,生成每张眼底图像所对应的特征向量;(3)、基于眼底图像对应的特征向量应用聚类算法对所有眼底图像进行聚类,将所聚每一类的眼底图像定义为不同模式的眼底图像;(4)、基于不同病变时期、不同模式的眼底图像对应的特征向量建立参考特征空间;(5)、对于待检测的眼底图像,应用步骤(2)提取该张眼底图像所对应的特征向量,并通过映射获得其在参考特征空间中的特征编码;(6)、使用余弦相似度计算待检测眼底图像与带标签眼底图像特征编码之间的余弦相似度实现对糖尿病视网膜病变的自动检测。2.根据权利要求1所述的基于眼底图像的糖尿病性视网膜病变自动检测方法,其特征在于,步骤(4)中基于不同病变时期、不同模式的眼底图像对应的特征向量建立参考特征空间,具体步骤如下:4.1)、计算相同病变时期、同模式下的不同眼底图像对应的d维特征向量x的平均值,记为形成一组普适化的特征...
【专利技术属性】
技术研发人员:陈洪刚,
申请(专利权)人:艾视医疗科技成都有限公司,
类型:发明
国别省市:四川,51
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。