角膜共聚焦图像中菌丝识别方法及装置制造方法及图纸

本发明专利技术提供一种角膜共聚焦图像中菌丝识别方法及装置，该方法包括：获取待识别的角膜共聚焦图像；将所述角膜共聚焦图像输入到菌丝

【技术实现步骤摘要】
角膜共聚焦图像中菌丝识别方法及装置


[0001]本专利技术涉及医学图像处理
，尤其涉及一种角膜共聚焦图像中菌丝识别方法及装置。

技术介绍

[0002]角膜共聚焦图像中菌丝的出现是判断真菌性角膜炎的重要依据，但有时角膜共聚焦图像中菌丝和神经纤维会同时存在，菌丝和神经纤维都是线状结构，形态类似、很难区分，需要很有经验的眼科医生找准两者的不同点，仔细辨别，因此可能会由于不同医生的主观经验不同，造成漏诊和误诊。现有技术没有考虑菌丝和神经纤维的区分技术，然而这正是菌丝识别的难点所在。

技术实现思路

[0003]为解决现有技术中的问题，本专利技术提供一种角膜共聚焦图像中菌丝识别方法及装置。
[0004]本专利技术提供一种角膜共聚焦图像中菌丝识别方法，包括：获取待识别的角膜共聚焦图像；将所述角膜共聚焦图像输入到菌丝
‑
神经纤维分割模型，根据所述菌丝
‑
神经纤维分割模型输出预分割结果图；其中，所述菌丝
‑
神经纤维分割模型是以角膜共聚焦图像样本作为输入、以所述角膜共聚焦图像样本中每个像素点属于菌丝区域、神经纤维区域或背景区域的标注结果作为输出标签，进行机器学习训练得到的；对所述预分割结果图进行自动修正得到最终分割结果图；根据所述最终分割结果图判断是否存在菌丝。
[0005]根据本专利技术提供的一种角膜共聚焦图像中菌丝识别方法，在所述获取待识别的角膜共聚焦图像之前，所述方法还包括：获取所述角膜共聚焦图像样本，以及基于所述角膜共聚焦图像样本沿着菌丝和/或神经纤维的中线分别进行描绘获取区域标注图像样本；其中，所述区域标注图像样本中表示菌丝和神经纤维的像素具有不同的像素值。
[0006]根据本专利技术提供的一种角膜共聚焦图像中菌丝识别方法，所述对所述预分割结果图进行自动修正得到最终分割结果图，具体包括：获取所述预分割结果图中的各个菌丝分段和各个神经纤维分段；计算所述菌丝分段和所述神经纤维分段的预设特征指标，并将所述预设特征指标和预设特征指标的阈值进行比较，根据比较结果对所述预分割结果图中所述菌丝分段和所述神经纤维分段进行类别修正，得到所述最终分割结果图。
[0007]根据本专利技术提供的一种角膜共聚焦图像中菌丝识别方法，所述预设特征指标包括分段中交叉点处分支间角度、分段长度、分段弯曲度中的至少一种。
[0008]根据本专利技术提供的一种角膜共聚焦图像中菌丝识别方法，所述方法还包括：将所述最终分割结果图和所述角膜共聚焦图像进行叠加，得到可视化图像，并展示所述可视化图像。
[0009]根据本专利技术提供的一种角膜共聚焦图像中菌丝识别方法，所述将所述角膜共聚焦图像输入到菌丝
‑
神经纤维分割模型，根据所述菌丝
‑
神经纤维分割模型输出预分割结果
图，具体包括：将所述角膜共聚焦图像输入到编码器的骨架网络块，输出第一特征图；将所述第一特征图输入到所述编码器的大核可分离卷积块，输出第二特征图；将所述第二特征图输入到所述编码器的自注意力块，输出第三特征图；将所述第三特征图输入到解码器，输出所述预分割结果图。
[0010]根据本专利技术提供的一种角膜共聚焦图像中菌丝识别方法，所述骨架网络块的部分深层卷积层调整为可变形卷积层；所述大核可分离卷积块，将输入的所述第一特征图分成两个分支，一个分支通过串联的1*k卷积和k*1卷积，另一个分支通过串联的k*1卷积和1*k卷积，然后将所述两个分支获得的特征图逐点相加得到所述第二特征图。
[0011]本专利技术还提供一种角膜共聚焦图像中菌丝识别装置，包括：图像获取模块，用于：获取待识别的角膜共聚焦图像；菌丝预分割模块，用于：将所述角膜共聚焦图像输入到菌丝
‑
神经纤维分割模型，根据所述菌丝
‑
神经纤维分割模型输出预分割结果图；其中，所述菌丝
‑
神经纤维分割模型是以角膜共聚焦图像样本作为输入、以所述角膜共聚焦图像样本中每个像素点属于菌丝区域、神经纤维区域或背景区域的标注结果作为输出标签，进行机器学习训练得到的；预分割结果自动修正模块，用于：对所述预分割结果图进行自动修正得到最终分割结果图；菌丝识别模块，用于：根据所述最终分割结果图判断是否存在菌丝。
[0012]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述角膜共聚焦图像中菌丝识别方法的步骤。
[0013]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述角膜共聚焦图像中菌丝识别方法的步骤。
[0014]本专利技术提供的角膜共聚焦图像中菌丝识别方法及装置，通过将角膜共聚焦图像输入到菌丝
‑
神经纤维分割模型，根据菌丝
‑
神经纤维分割模型输出预分割结果图，对预分割结果图进行自动修正得到最终分割结果图，根据最终分割结果图判断是否存在菌丝，实现对图像中菌丝和神经纤维的准确区分，由此可以实现角膜共聚焦图像中菌丝的自动化准确识别。
附图说明
[0015]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。
[0016]图1是本专利技术提供的角膜共聚焦图像中菌丝识别方法流程图之一；
[0017]图2是本专利技术提供的角膜共聚焦图像中菌丝识别方法流程图之二；
[0018]图3是本专利技术提供的角膜共聚焦图像中菌丝识别装置的结构示意图；
[0019]图4示例了一种电子设备的实体结构示意图。
具体实施方式
[0020]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中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作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。
[0021]下面结合图1
‑
图4描述本专利技术的角膜共聚焦图像中菌丝识别方法及装置。
[0022]图1是本专利技术提供的角膜共聚焦图像中菌丝识别方法流程图之一。如图1所示，所述方法包括：
[0023]步骤101、获取待识别的角膜共聚焦图像；
[0024]步骤102、将所述角膜共聚焦图像输入到菌丝
‑
神经纤维分割模型，根据所述菌丝
‑
神经纤维分割模型输出预分割结果图；其中，所述菌丝
‑
神经纤维分割模型是以角膜共聚焦图像样本作为输入、以所述角膜共聚焦图像样本中每个像素点属于菌丝区域、神经纤维区域或背景区域的标注结果作为输出标签，进行机器学习训练得到的；
[0025]步骤103、对所述预分割本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种角膜共聚焦图像中菌丝识别方法，其特征在于，包括：获取待识别的角膜共聚焦图像；将所述角膜共聚焦图像输入到菌丝
‑
神经纤维分割模型，根据所述菌丝
‑
神经纤维分割模型输出预分割结果图；其中，所述菌丝
‑
神经纤维分割模型是以角膜共聚焦图像样本作为输入、以所述角膜共聚焦图像样本中每个像素点属于菌丝区域、神经纤维区域或背景区域的标注结果作为输出标签，进行机器学习训练得到的；对所述预分割结果图进行自动修正得到最终分割结果图；根据所述最终分割结果图判断是否存在菌丝。2.根据权利要求1所述的角膜共聚焦图像中菌丝识别方法，其特征在于，在所述获取待识别的角膜共聚焦图像之前，所述方法还包括：获取所述角膜共聚焦图像样本，以及基于所述角膜共聚焦图像样本沿着菌丝和/或神经纤维的中线分别进行描绘获取区域标注图像样本；其中，所述区域标注图像样本中表示菌丝和神经纤维的像素具有不同的像素值。3.根据权利要求1所述的角膜共聚焦图像中菌丝识别方法，其特征在于，所述对所述预分割结果图进行自动修正得到最终分割结果图，具体包括：获取所述预分割结果图中的各个菌丝分段和各个神经纤维分段；计算所述菌丝分段和所述神经纤维分段的预设特征指标，并将所述预设特征指标和预设特征指标的阈值进行比较，根据比较结果对所述预分割结果图中所述菌丝分段和所述神经纤维分段进行类别修正，得到所述最终分割结果图。4.根据权利要求3所述的角膜共聚焦图像中菌丝识别方法，其特征在于，所述预设特征指标包括分段中交叉点处分支间角度、分段长度、分段弯曲度中的至少一种。5.根据权利要求3所述的角膜共聚焦图像中菌丝识别方法，其特征在于，所述方法还包括：将所述最终分割结果图和所述角膜共聚焦图像进行叠加，得到可视化图像，并展示所述可视化图像。6.根据权利要求1所述的角膜共聚焦图像中菌丝识别方法，其特征在于，所述将所述角膜共聚焦图像输入到菌丝
‑
...

【专利技术属性】
技术研发人员：洪晶，秦晓冉，彭荣梅，程健，陈炜，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：