一种评估眼底图像质量的方法、装置及存储介质制造方法及图纸

本申请涉及图像检测技术领域，提供一种评估眼底图像质量的方法、装置及存储介质，所述方法包括：获取待处理的眼底图像集合；根据深度学习方法和所述眼底图像集合构建分类模型；获取实时采集的临床病人的眼底图像；根据所述分类模型确定所述眼底图像质量合格后，根据上述分类模型对所述眼底图像进行图像切黑边处理，并输入到目标检测网络；根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域；若确定处理后的所述眼底图像中存在质量缺陷的异常图像时，发出提示信息，所述提示信息用于提醒对所述异常图像所对应的采集部位重新采集。通过采用本方案，能够实时反馈眼底图像的采集质量，保证眼底图片质量的稳定性。

A Method, Device and Storage Medium for Evaluating the Quality of Eye Fundus Image

【技术实现步骤摘要】
一种评估眼底图像质量的方法、装置及存储介质
本申请涉及图像检测
，尤其涉及一种评估眼底图像质量的方法、装置及存储介质。
技术介绍
随着糖尿病、高血压、青光眼等患者的增多以及眼底筛查工作的开展，采集的眼底图像数量急剧增长，给眼科医疗带来了极大的工作压力。由于清晰的眼底图像是眼底病变自动筛查的先决条件，故需要对眼底图像进行质量评估，目前采用的质量评估方法包括：基于边缘和亮度的面向参考的方法，基于黄斑区域可见血管长度和基于多尺度滤波器组响应的面向无参考的方法，基于椭圆局部血管密度算法、充分考虑图像色彩、亮度、对比度、模糊度等多个特征的综合质量评估方法。但是以上质量评估方法都是基于DR应用场景来对眼底图像进行质量评估，由于眼底图像中遇到的质量问题主要有：黄斑区域发黑、曝光过度、图像模糊、照相机镜头污点、视盘为中心或者无视盘等，而基于眼底图像的AMD筛查则需要黄斑所在的区域清晰可见，但是现有的质量评估方法无法很好的适用于AMD筛查临床应用场景，也无法满足AMD筛查临床应用场景的实时性。
技术实现思路
本申请提供了一种评估眼底图像质量的方法、装置及存储介质，能够解决现有技术中质量评估方法的适用性以及实时性都无法满足AMD筛查临床应用场景的问题。第一方面，本申请提供一种评估眼底图像质量的方法，所述方法包括：获取待处理的眼底图像集合；根据深度学习方法和所述眼底图像集合构建分类模型；获取实时采集的临床病人的眼底图像；根据所述分类模型确定所述眼底图像质量合格后，根据上述分类模型对所述眼底图像进行图像切黑边处理，并输入到目标检测网络；根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域；若确定处理后的所述眼底图像中存在质量缺陷的异常图像时，发出提示信息，所述提示信息用于提醒对所述异常图像所对应的采集部位重新采集。可选的，所述获取待处理的眼底图像集合之后，所述根据深度学习方法和所述眼底图像集合构建分类模型之前，所述方法还包括：对所述眼底图像集合进行数据清洗，将清洗后的src图像进行图像大小变换到与dst图像相同的大小。可选的，所述根据深度学习方法和所述眼底图像集合构建分类模型，包括：选择一个神经网络作为分类模型；设置输入所述神经网络的图像大小；对所述眼底图像集合进行预处理，得到训练集和测试集；使用所述训练集对所述神经网络进行训练；对于已训练的神经网络，在所述测试集上达到预设的灵敏度和特异性后，选取最佳模型参数，将所述最佳模型参数对应的模型作为所述分类模型。可选的，所述根据上述分类模型对该眼底图像进行图像切黑边处理，并输入到目标检测网络之前，所述方法还包括：通过图片质量分类模型过滤所述眼底图像集合中曝光度高于预设曝光度和灰度值高于预设灰度值的眼底图像；以及通过黄斑区定位和视神经盘定位过滤所述眼底图像集合中无视盘的眼底图像。可选的，所述根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域，包括：将所述眼底图像转化为灰度图像，过滤所述眼底图像中的视网膜血管，基于线性算子将所述眼底图像从空间域投影到方向域，根据视神经盘和所述眼底图像的相对大小调整参数，得到所述视盘区域；以及在对所述眼底图像进行预处理时，利用多尺度方式对所述眼底图像中的视网膜血管进行分割，以标定多个血管末梢点；采用最小二乘法对标定的所述多个血管末梢点进行曲线拟合，得到所述黄斑区域。可选的，所述获取实时采集的临床病人的眼底图像之后，所述根据所述分类模型确定所述眼底图像质量合格之前，所述方法还包括：设置至少两个检测区域，以及为黄斑区域和视盘区域设计偏置范围；其中，所述至少两个检测区域包括用于检测黄斑区域和视盘区域的检测框；根据所述分类模型对所述眼底图像进行质量评估，若所述眼底图像上同时出现黄斑检测框和视盘检测框，则确定所述眼底图像的质量合格。可选的，所述目标检测网络为yolo网络。第二方面，本申请提供一种用于评估眼底图像质量的装置，具有实现对应于上述第一方面提供的评估眼底图像质量的的方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。一种可能的设计中，所述装置包括：输入输出模块，用于获取待处理的眼底图像集合；处理模块，用于根据深度学习方法和所述眼底图像集合构建分类模型；通过所述输入输出模块获取实时采集的临床病人的眼底图像；根据所述分类模型确定所述眼底图像质量合格后，根据上述分类模型对所述眼底图像进行图像切黑边处理，并输入到目标检测网络；检测模块，用于根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域；若确定处理后的所述眼底图像中存在质量缺陷的异常图像时，通过所述输入输出模块发出提示信息，所述提示信息用于提醒对所述异常图像所对应的采集部位重新采集。可选的，在所述输入输出模块获取待处理的眼底图像集合之后，所述处理模块根据深度学习方法和所述眼底图像集合构建分类模型之前，还用于：对所述眼底图像集合进行数据清洗。可选的，所述处理模块具体用于：选择一个神经网络作为分类模型；设置输入所述神经网络的图像大小；对所述眼底图像集合进行预处理，得到训练集和测试集；使用所述训练集对所述神经网络进行训练；对于已训练的神经网络，在所述测试集上达到预设的灵敏度和特异性后，选取最佳模型参数，将所述最佳模型参数对应的模型作为所述分类模型。可选的，所述处理模块根据上述分类模型对该眼底图像进行图像切黑边处理，并通过所述输入输出模块输入到目标检测网络之前，还用于：通过图片质量分类模型过滤所述眼底图像集合中曝光度高于预设曝光度和灰度值高于预设灰度值的眼底图像；以及通过黄斑区定位和视神经盘定位过滤所述眼底图像集合中无视盘的眼底图像。可选的，所述检测模块具体用于：将所述眼底图像转化为灰度图像，过滤所述眼底图像中的视网膜血管，基于线性算子将所述眼底图像从空间域投影到方向域，根据视神经盘和所述眼底图像的相对大小调整参数，得到所述视盘区域；以及在对所述眼底图像进行预处理时，利用多尺度方式对所述眼底图像中的视网膜血管进行分割，以标定多个血管末梢点；采用最小二乘法对标定的所述多个血管末梢点进行曲线拟合，得到所述黄斑区域。可选的，在所述输入输出模块获取实时采集的临床病人的眼底图像之后，所述处理模块根据所述分类模型确定所述眼底图像质量合格之前，所述处理模块还用于：设置至少两个检测区域，以及为黄斑区域和视盘区域设计偏置范围；其中，所述至少两个检测区域包括用于检测黄斑区域和视盘区域的检测框；根据所述分类模型对所述眼底图像进行质量评估，若所述眼底图像上同时出现黄斑检测框和视盘检测框，则确定所述眼底图像的质量合格。可选的，所述目标检测网络为yolo网络。本申请又一方面提供了一种用于评估眼底图像质量的装置，其包括至少一个连接的处理器、存储器和输入输出单元，其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中的程序代码来执行上述各方面所述的方法。本申请又一方面提供了一种计算机存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。相较于现有技术，本申请提供的方案中，根据深度学习方法和所述眼底图像集合构建分类模型；获取实时采集的临床病人的眼底图像；根据所述分类模型确定所述本文档来自技高网...

【技术保护点】
1.一种评估眼底图像质量的方法，其特征在于，所述方法包括：获取待处理的眼底图像集合；根据深度学习方法和所述眼底图像集合构建分类模型；获取实时采集的临床病人的眼底图像；根据所述分类模型确定所述眼底图像质量合格后，根据上述分类模型对所述眼底图像进行图像切黑边处理，并输入到目标检测网络；根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域；若确定处理后的所述眼底图像中存在质量缺陷的异常图像时，发出提示信息，所述提示信息用于提醒对所述异常图像所对应的采集部位重新采集。

【技术特征摘要】
1.一种评估眼底图像质量的方法，其特征在于，所述方法包括：获取待处理的眼底图像集合；根据深度学习方法和所述眼底图像集合构建分类模型；获取实时采集的临床病人的眼底图像；根据所述分类模型确定所述眼底图像质量合格后，根据上述分类模型对所述眼底图像进行图像切黑边处理，并输入到目标检测网络；根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域；若确定处理后的所述眼底图像中存在质量缺陷的异常图像时，发出提示信息，所述提示信息用于提醒对所述异常图像所对应的采集部位重新采集。2.根据权利要求1所述的方法，其特征在于，所述获取待处理的眼底图像集合之后，所述根据深度学习方法和所述眼底图像集合构建分类模型之前，所述方法还包括：对所述眼底图像集合进行数据清洗。3.根据权利要求2所述的方法，其特征在于，所述根据深度学习方法和所述眼底图像集合构建分类模型，包括：选择一个神经网络作为分类模型；设置输入所述神经网络的图像大小；对所述眼底图像集合进行预处理，得到训练集和测试集；使用所述训练集对所述神经网络进行训练；对于已训练的神经网络，在所述测试集上达到预设的灵敏度和特异性后，选取最佳模型参数，将所述最佳模型参数对应的模型作为所述分类模型。4.根据权利要求3所述的方法，其特征在于，所述根据上述分类模型对该眼底图像进行图像切黑边处理，并输入到目标检测网络之前，所述方法还包括：通过图片质量分类模型过滤所述眼底图像集合中曝光度高于预设曝光度和灰度值高于预设灰度值的眼底图像；以及通过黄斑区定位和视神经盘定位过滤所述眼底图像集合中无视盘的眼底图像。5.根据权利要求4所述的方法，其特征在于，所述根据所述目标检测网络定位出所述眼底图像中的视盘区域和黄斑区域，包括：将所述眼底图像转化为灰度图像，过滤所述眼底图像中的视网膜血管，基于线性算子将所述眼底图像从空间域投影到方向域，根据视神经盘和所述眼底图像的相对...

【专利技术属性】
技术研发人员：刘莉芬，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44