The invention discloses a detection method for diabetic retinal fundus image lesion. Firstly, the medical fundus image is preprocessed to generate a standardized fundus image, and then the fundus image is divided into regions to generate m sub-images of different regions of the fundus. Then the multi-layer region convolution neural network model is used to extract the region depth feature vector of the eye fundus sub-image, and the region depth feature vector is used as the input of the long-term and short-term memory neural network to predict the correlation between different regions and generate the global feature vector of the eye fundus image. Multiple classification of images. Based on the retinal fundus images and labels that can be crawled on the network, and according to the region depth characteristics of the fundus images and the correlation between adjacent regions, the invention uses convolution neural network and recursive neural network algorithm to automatically detect diabetic retinopathy, and effectively improves the accuracy and timeliness of the detection.
【技术实现步骤摘要】
一种糖尿病性视网膜眼底图像病变检测方法
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眼底图像病变检测方法
技术介绍
糖尿病视网膜病变时美国和欧洲人口中最重要的致病眼疾。据世界卫生组织预测,到2030年,全球视网膜病变患者将增加到3.66亿,糖尿病防治将成为一个更为严重的世界性问题。研究表明,对糖尿病视网膜病变患者进行早期诊断和治疗能有效防止视觉的损失以及失明,而防治的关键则是通过眼底照相检查,定期随访发现病情的进展,及时进行激光干预治疗。但是目前世界上超过50%的患者没有接受任何形式的眼部检查,基于眼底图像的糖尿病视网膜病变检查工作基本还是靠眼科医生的肉眼观察进行。近年来,随着计算机辅助诊断技术的发展,基于计算机视觉的相关技术已经在肝脏疾病、呼吸系统疾病的影像诊断中得到开发和应用。基于深度学习的糖尿病视网膜病变自动检测正是基于大规模检测的需求,通过深度学习技术来辅助医生判别病变指标,智能分析患者的疾病信息,从而实现糖尿病视网膜病变的大规模自动筛查。
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眼底图像病变检测方法,基于区域深度特征进行检测,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眼底图像病变检测方法,包括以下步骤:(1)、通过眼底图像预处理,生成标准化的眼底图像1.1)、图像归一化,将像素点的每个颜色通道缩放为零均值和单位方差,去除亮度强弱对结果造成的影响;1.2)通过Hough变换,检测眼底图像的眼球轮廓:检测图像中的边缘点,并保存其坐标位置(x,y)。设置 ...
【技术保护点】
1.一种糖尿病性视网膜眼底图像病变检测方法,其特征在于,包括以下步骤:(1)、通过眼底图像预处理,生成标准化的眼底图像;(2)、对眼底图像进行区域划分,生成m张眼底不同区域的子图像;(3)、利用多层卷积神经网络模型提取每张眼底子图像的区域深度特征;(4)将区域深度特征作为长短期记忆神经网络输入,预测不同区域之间的相关性,生成眼底图像全局特征向量;(5)将特征向量输入全连接神经网络,最后一层采用softmax层进行眼底图像的分类检测。
【技术特征摘要】
1.一种糖尿病性视网膜眼底图像病变检测方法,其特征在于,包括以下步骤:(1)、通过眼底图像预处理,生成标准化的眼底图像;(2)、对眼底图像进行区域划分,生成m张眼底不同区域的子图像;(3)、利用多层卷积神经网络模型提取每张眼底子图像的区域深度特征;(4)将区域深度特征作为长短期记忆神经网络输入,预测不同区域之间的相关性,生成眼底图像全局特征向量;(5)将特征向量输入全连接神经网络,最后一层采用softmax层进行眼底图像的分类检测。2.根据权利要求1所述的基于区域深度特征的糖尿病性视网膜眼底图像病变检测方法,其特征在于,步骤(1)中通过眼底图像预处理,生成标准化的眼底图像;具体步骤如下:2.1)、图像归一化,将像素点的每个颜色通道缩放为零均值和单位方差,去除亮度强弱对结果造成的影响;2.2)、根据Hough变换提取眼球轮廓,设定外界矩阵大小,并通过缩放,实现眼球轮廓对齐;2.3)、对对齐后的眼底图像进行旋转变化,生成不同角度的图像,达到数据增量的目的,也减少角度问题带来的实验误差,最后经过裁剪,生成标准的眼底图像。3.根据权利要求1所述的基于区域深度特征的糖尿病性视网膜眼底图像病变检测方法,其特征在于,步骤(3)中利用多层卷积神经网络模型提...
【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。