青光眼图像识别方法、设备和筛查系统技术方案

本发明专利技术提供一种青光眼图像识别方法、设备和筛查系统，所述方法包括如下步骤：获取眼底图像；从所述眼底图像中提取局部图像，所述局部图像中包括视盘和眼底背景；根据所述眼底图像或者所述局部图像获得视盘图像和视杯图像；根据所述视盘图像和所述视杯图像获得盘沿图像；根据所述盘沿图像、所述局部图像和所述眼底图像判断所述眼底图像是否为青光眼图像。

Glaucoma Image Recognition Method, Equipment and Screening System

The invention provides a glaucoma image recognition method, equipment and screening system, which comprises the following steps: acquiring fundus image; extracting local image from the fundus image, which includes the optic disc and fundus background; obtaining the optic disc image and cup image from the fundus image or the local image; and obtaining the optic disc image and cup image from the optic disc image and the optic cup image according to the optic disc image and the optic cup image. The image obtains a disk edge image, and judges whether or not the fundus image is a glaucoma image according to the disk edge image, the local image and the fundus image.

【技术实现步骤摘要】
青光眼图像识别方法、设备和筛查系统
本专利技术涉及眼部检测设备领域，具体涉及一种青光眼图像识别方法、设备和筛查系统。
技术介绍
青光眼是一种不可逆的致盲性眼底疾病，在筛查或临床诊断上，医生可以通过观察眼底图像来判断被检查者是否可能患有青光眼，从而做出是否需要进一步检查或就诊的建议。在临床诊断时，眼科医生可以通过观察眼底图中视杯和视盘的情况做出判断。例如视杯过大，导致视杯视盘的比例过大，则被检查者很可能患有青光眼，其中的杯盘比一般为视杯和视盘的垂直直径比。但是，眼科医生肉眼或者借助拍摄设备估算杯盘比或者盘沿形态的方式主观性很强，缺乏客观数据依据，导致结果不够准确，而且消耗大量的时间和精力。
技术实现思路
有鉴于此，本专利技术提供一种青光眼图像识别方法，包括如下步骤：获取眼底图像；从所述眼底图像中提取局部图像，所述局部图像中包括视盘和眼底背景；根据所述眼底图像或者所述局部图像获得视盘图像和视杯图像；根据所述视盘图像和所述视杯图像获得盘沿图像；根据所述盘沿图像、所述局部图像和所述眼底图像判断所述眼底图像是否为青光眼图像。可选地，从所述眼底图像中提取局部图像，包括：利用第一机器学习模型从所述眼底图像中识别出局部区域，所述局部区域中包括视盘和眼底背景；提取所述局部区域形成所述局部图像，所述局部图像与所述眼底图像色彩一致。可选地，所述根据所述眼底图像或者所述局部图像获得视盘图像和视杯图像，包括：利用第二机器学习模型从所述局部图像中识别出视盘图像；利用第三机器学习模型从所述局部图像中识别出视杯图像。可选地，所述视盘图像和所述视杯图像均为二值图像。可选地，所述盘沿图像中包括视盘以外的背景区域、视杯区域和盘沿区域，并且它们被标识为不同的灰度值。可选地，所述根据所述盘沿图像、所述局部图像和所述眼底图像判断所述眼底图像是否为青光眼图像，包括：利用第四机器学习模型对所述盘沿图像、所述局部图像和所述眼底图像进行识别，输出青光眼图像判断结果。可选地，其中所述第四机器学习模型包括第一特征提取单元、第二特征提取单元、第三特征提取单元、特征融合单元和判定单元；所述利用第四机器学习模型对所述盘沿图像、所述局部图像和所述眼底图像进行识别，输出青光眼图像判断结果包括：利用第一特征提取单元从所述盘沿图像中提取第一特征；利用第二特征提取单元从所述局部图像中提取第二特征；利用第三特征提取单元从所述眼底图像中提取第三特征；利用特征融合单元根据所述第一特征、第二特征和第三特征形成融合特征；利用判定单元根据所述融合特征输出青光眼图像判断结果。相应地，本专利技术提供一种青光眼图像识别装置，包括：获取单元，用于获取眼底图像；局部识别单元，用于从所述眼底图像中提取局部图像，所述局部图像中包括视盘和眼底背景；区域识别单元，用于根据所述眼底图像获得视盘图像和视杯图像；盘沿确定单元，用于根据所述视盘图像和所述视杯图像获得盘沿图像；青光眼识别单元，用于根据所述盘沿图像、所述局部图像和所述眼底图像判断所述眼底图像是否为青光眼图像。相应地，本专利技术还提供一种青光眼图像识别设备，包括：至少一个处理器以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述青光眼图像识别方法。本专利技术还提供了一种青光眼疾病筛查系统，包括：眼底照相设备，用于拍摄眼底图像；以及上述青光眼图像识别设备。根据本专利技术提供的青光眼图像识别方法，首先利用眼底图像获得局部图像，去除大部分眼底背景，进一步提取视盘图像和视杯图像，并根据这两个图像获得盘沿图像。最终对盘沿图像、局部图像和眼底图像进行识别，综合全局特征、局部特征和盘沿特征，判断眼底图像是否为青光眼图像，本方案基于图像数据及客观算法得出对青光眼的判断结果，节约人力资源，能够有效辅助医生或专家对青光眼疾病做出诊断。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中的青光眼图像识别方法的流程图；图2为本专利技术实施例中一种具体的青光眼图像识别方法的流程图；图3为本专利技术实施例中的剪切后的眼底图像；图4为本专利技术实施例中的包含视盘的局部图像；图5为本专利技术实施例中的一种样本图像；图6为本专利技术实施例中的获得视盘二值图像的示意图；图7为本专利技术实施例中的获得视杯二值图像的示意图；图8为本专利技术实施例中的一种盘沿图像；图9为本专利技术实施例中的另一种盘沿图像；图10为本专利技术实施例中的获得有色盘沿图像的示意图；图11为本专利技术实施例中的青光眼图像识别装置的结构示意图；图12为本专利技术实施例中的机器学习模型的结构示意图；图13为本专利技术实施例中的青光眼疾病筛查系统的结构示意图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”和“第四”仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，下面所描述的本专利技术不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。本专利技术提供了一种青光眼图像识别方法，该方法可以由计算机、服务器或者便携式终端等电子设备执行。如图1所示，该方法包括如下步骤：S1A，获取眼底图像。眼底图像通常是彩色图像，但在本专利技术实施例中也可以使用单通道的灰度图像，甚至也可以是二值图像。S2A，从眼底图像中提取局部图像，局部图像中包括视盘和眼底背景。视盘在该局部图像中的占比大于视盘在原眼底图像中的占比，局部图像内可包括视盘以及少部分眼底背景内容，图像的形状可以是设定的规则形状，例如一个方形图像或圆形图像。此步骤可以去除掉大部分眼底背景内容。S3A，根据眼底图像或者局部图像获得视盘图像和视杯图像。具体提取方法包括多种，例如可以基于机器视觉原理，根据像素值特征搜索并提取视盘和视杯这两个区域形成图像；也可以采用人工智能算法，使用训练后的机器学习模型识别并提取这些区域并形成图像。局部图像是眼底图像的一部分，基于局部图像提取视盘图像和视杯图像可提高识别效率，但基于全局眼底图像识别到视盘图像和视杯图像也是可行的。S4A，根据视盘图像和视杯图像获得盘沿图像。视杯区域在视盘区域以内，在一个实施例中，可以在视盘区域中去除视杯区域，通常可得到一个环状区域的图像。盘沿区域的表现形式可以是一张只显示盘沿区域的图像，例如在单一色彩的背景中存在一个环状区域。在另一个实施例中，盘沿图像中也可以保留视盘区域和视杯区域，并标识出盘沿区域。本文档来自技高网...

【技术保护点】
1.一种青光眼图像识别方法，其特征在于，包括如下步骤：获取眼底图像；从所述眼底图像中提取局部图像，所述局部图像中包括视盘和眼底背景；根据所述眼底图像或者所述局部图像获得视盘图像和视杯图像；根据所述视盘图像和所述视杯图像获得盘沿图像；根据所述盘沿图像、所述局部图像和所述眼底图像判断所述眼底图像是否为青光眼图像。

【技术特征摘要】
1.一种青光眼图像识别方法，其特征在于，包括如下步骤：获取眼底图像；从所述眼底图像中提取局部图像，所述局部图像中包括视盘和眼底背景；根据所述眼底图像或者所述局部图像获得视盘图像和视杯图像；根据所述视盘图像和所述视杯图像获得盘沿图像；根据所述盘沿图像、所述局部图像和所述眼底图像判断所述眼底图像是否为青光眼图像。2.根据权利要求1所述的方法，其特征在于，从所述眼底图像中提取局部图像，包括：利用第一机器学习模型从所述眼底图像中识别出局部区域，所述局部区域中包括视盘和眼底背景；提取所述局部区域形成所述局部图像，所述局部图像与所述眼底图像色彩一致。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述眼底图像或者所述局部图像获得视盘图像和视杯图像，包括：利用第二机器学习模型从所述局部图像中识别出视盘图像；利用第三机器学习模型从所述局部图像中识别出视杯图像。4.根据权利要求1-3中任一项所述的方法，其特征在于，所述视盘图像和所述视杯图像均为二值图像。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述盘沿图像中包括视盘以外的背景区域、视杯区域和盘沿区域，并且它们被标识为不同的灰度值。6.根据权利要求1-5中任一项所述的方法，其特征在于，所述根据所述盘沿图像、所述局部图像和所述眼底图像判断所述眼底图像是否为青光眼图像，包括：利用第四机器学习模型对所述盘沿图像、所述局部图像和所述眼底图像进行识别，输出青光眼图像判断结果。7.根据权利要求6所述...

【专利技术属性】
技术研发人员：陈李健，黄烨霖，熊健皓，赵昕，张大磊，
申请(专利权)人：上海鹰瞳医疗科技有限公司，
类型：发明
国别省市：上海,31