视网膜血管弯曲度确定方法技术

本发明专利技术实施例公开一种视网膜血管弯曲度确定方法，构建全卷积深度神经网络，应用全卷积深度神经网络可以从获取的目标眼底图像中分割出目标眼底图像中的血管和视盘。根据目标眼底图像中的血管和视盘，确定目标眼底图像中血管的弯曲度，实现基于全卷积深度神经网络自动确定视网膜血管弯曲度，从而能够提高视网膜血管弯曲度识别效率。

Method for determining retinal vascular curvature

The embodiment of the present invention discloses a method for determining retinal vascular curvature, and constructs a full convolution depth neural network, which can be used to segment blood vessels and optic discs from the acquired target fundus image. According to the blood vessel and optic disc in the target fundus image, the curvature of the blood vessel in the target fundus image is determined, and the retinal blood vessel curvature is automatically determined based on the full convolution depth neural network, which can improve the recognition efficiency of the retinal blood vessel curvature.

【技术实现步骤摘要】
视网膜血管弯曲度确定方法
本专利技术涉及计算机领域，尤其涉及一种视网膜血管弯曲度确定方法。
技术介绍
随着科学技术的发展，目前已可以通过医学影像中关于结构和组织所反映出的各种特征和细节，进行相关的分析。例如眼底影像中包含了丰富的玻璃体、视网膜、血管网和脉络膜等细节。视网膜血管在正常情况下，其形态跟结构一直处于稳定状态。然而高血压、糖尿病及冠状动脉硬化等心脑血管疾病会引起视网膜血管弯曲度等结构变化。如果能够尽早发现视网膜血管弯曲度变化，可以及时采取措施防止这些疾病的危害。当前的眼底图像识别方式大多通过眼底照相机获取眼底图像后，靠肉眼识别视网膜血管的弯曲度变化，视网膜血管弯曲度识别效率有待提高。
技术实现思路
本专利技术实施例提供一种视网膜血管弯曲度确定方法，能够提高网膜血管弯曲度识别效率。本专利技术实施例采用如下技术方案：一种视网膜血管弯曲度确定方法，包括：构建全卷积深度神经网络，所述全卷积深度神经网络能够从眼底图像中分割出血管和视盘；获取目标眼底图像，应用所述全卷积深度神经网络从所述目标眼底图像中分割出所述目标眼底图像中的血管和视盘；根据所述目标眼底图像中的血管和视盘，确定所述目标眼底图本文档来自技高网...

【技术保护点】
1.一种视网膜血管弯曲度确定方法，其特征在于，包括：构建全卷积深度神经网络，所述全卷积深度神经网络能够从眼底图像中分割出血管和视盘；获取目标眼底图像，应用所述全卷积深度神经网络从所述目标眼底图像中分割出所述目标眼底图像中的血管和视盘；根据所述目标眼底图像中的血管和视盘，确定所述目标眼底图像中血管的弯曲度。

【技术特征摘要】
1.一种视网膜血管弯曲度确定方法，其特征在于，包括：构建全卷积深度神经网络，所述全卷积深度神经网络能够从眼底图像中分割出血管和视盘；获取目标眼底图像，应用所述全卷积深度神经网络从所述目标眼底图像中分割出所述目标眼底图像中的血管和视盘；根据所述目标眼底图像中的血管和视盘，确定所述目标眼底图像中血管的弯曲度。2.根据权利要求1所述的方法，其特征在于，所述构建全卷积深度神经网络包括：构建所述全卷积深度神经网络的特征提取部分和上采样部分，其中，所述特征提取部分，每经过一个池化层生成一个尺度，包括原图一共有5个尺度；所述上采样部分，每上采样一次，就和特征提取部分对应的通道数相同尺度融合，同时该架构在每层的卷积之后增加BatchNormalization，保证神经网络中间数据尽量规范化。3.根据权利要求2所述的方法，其特征在于，采用以下方式训练所述全卷积深度神经网络，得到针对医疗眼底图像的血管和视盘分割的全卷积深度神经网络：使用BinaryCrossEntropyLoss作为损失函数；使用带NesterovMomentum的随机梯度下降法作为优化学习算法；对所述全卷积深度神经网络中的各参数使用L2WeightDecay正则化，防止参数过大导致的过拟合。4.根据权利要求2所述的方法，其特征在于，采用以下方式训练所述全卷积深度神经网络：获取训练数据集和测试数据集，训练数据集和测试数据集中分别包含20张输入训练图像的文件夹和20张标记好的眼底血管标签数据、20张标记好的眼底视盘标签数据文件夹；对数据集中的眼底图像进行预处理，针对全卷积深度神经网络所进行的训练，遍历训练数据集中的20张输入图像文件夹的所有图像，用训练样本训练全卷积深度神经网络。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述根据所述目标眼底图像中的血管和视盘，确定所述目标眼底图像中血管的弯曲度包括：根据视盘中心、视盘直径确定曲率测量范围；提取血管中心线；根据所述血管中心线及所述曲率测量范围，提取血管分支；对所述血管分支进行曲率计算。6.根据权利要求5所述的方法，其特征在于...

【专利技术属性】
技术研发人员：刘磊，
申请(专利权)人：合肥奥比斯科技有限公司，
类型：发明
国别省市：安徽,34