一种基于神经网络的图像处理方法及装置制造方法及图纸

本发明专利技术公开了一种基于神经网络的图像处理方法及装置，该方法包括：将图像扫描集中任一待检测图像输入至第一神经网络模型，得到待检测图像的第一特征向量，其中，第一神经网络模型是基于正常图像样本训练得到的；根据待检测图像的第一特征向量，以及与待检测图像对应的至少一张正常图像的第二特征向量，确定出待检测图像的图像异常结果；其中，图像异常结果用于表示待检测图像中的所述目标特征的异常情况；第二特征向量是将正常图像输入至所述第一神经网络模型处理得到的特征向量。可见，本发明专利技术能够提供一种基于神经网络的图像处理方案，能够自动高效地识别图像异常结果和异常特征，有效提高图像检测的速度和准确度。有效提高图像检测的速度和准确度。有效提高图像检测的速度和准确度。

【技术实现步骤摘要】
一种基于神经网络的图像处理方法及装置


[0001]本专利技术涉及图像处理
，尤其涉及一种基于神经网络的图像处理方法及装置。

技术介绍

[0002]随着计算机和医疗技术的快速发展，OCT(光学相干层析成像)技术已被广泛应用于眼底疾病的诊断设备中，对眼科疾病的检测和治疗有着重要意义。OCT属于一种高灵敏度、高分辨率、高速度、无入侵的断层扫描成像方式，利用光的相干性的断层扫描成像方式，每个断层扫描(截面图)被称为b
‑
scan，临床上对异常部位的检测主要以b
‑
scan的图像作为依据。
[0003]在对OCT截面图(如OCT眼底图像)进行异常检测的实际应用中，长期以来普遍采用人工筛选的方式对所采集的图片或影像中的异常特征进行识别，识别效率较低且识别准确率低。
[0004]因此，提出一种自动化的图像异常特征识别方法以提高识别效率及准确率显得尤为重要。

技术实现思路

[0005]本专利技术提供了一种基于神经网络的图像处理方法及装置，能够提供一种基于神经网络的图像处理方案，能够自动高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的图像处理方法，其特征在于，所述方法包括：将图像扫描集中任一待检测图像输入至第一神经网络模型，得到所述待检测图像的第一特征向量，其中，所述第一神经网络模型是基于正常图像样本训练得到的，所述正常图像样本中每个正常图像中的目标特征均为正常特征；根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张正常图像的第二特征向量，确定出所述待检测图像的图像异常结果；其中，每张所述正常图像中的所述目标特征为正常特征；所述图像异常结果用于表示所述待检测图像中的所述目标特征的异常情况；所述第二特征向量是将所述正常图像输入至所述第一神经网络模型处理得到的特征向量。2.根据权利要求1所述的基于神经网络的图像处理方法，其特征在于，所述根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张正常图像的第二特征向量，确定出所述待检测图像的图像异常结果，包括：根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张目标正常图像的第二特征向量，计算所述待检测图像对应的目标异常度；将所述待检测图像对应的目标异常度，确定为所述待检测图像的图像异常结果；或，将所述待检测图像对应的目标异常度进行预处理，得到预处理结果；将所述预处理结果确定所述待检测图像的图像异常结果。3.根据权利要求2所述的基于神经网络的图像处理方法，其特征在于，所述根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张正常图像的第二特征向量，计算所述待检测图像对应的目标异常度，包括：将所述待检测图像的第一特征向量与所述待检测图像对应的至少一张目标正常图像的第二特征向量进行差异比对，得到差异度值集合，所述差异度值集合包括所述待检测图像与每张所述目标正常图像的差异度值；根据所述差异度值集合包括的所有差异度值，确定所述差异度值集合的差异度统计值，其中，所述差异度统计值包括均值、极值、中间值中的一种；将所述差异度统计值确定为所述待检测图像对应的目标异常度。4.根据权利要求3所述的基于神经网络的图像处理方法，其特征在于，所述将所述待检测图像的第一特征向量与所述待检测图像对应的至少一张目标正常图像的第二特征向量进行差异比对，得到差异度值集合，所述差异度值集合包括所述待检测图像与每张所述目标正常图像的差异度值，包括：计算所述待检测图像的第一特征向量与所述待检测图像对应的至少一张目标正常图像的第二特征向量之间的向量夹角，得到向量夹角集合，所述向量夹角集合包括所述待检测图像与每张所述目标正常图像的向量夹角；将所述向量夹角集合确定为所述待检测图像的差异度值；或者，计算所述待检测图像的第一特征向量与所述待检测图像对应的至少一张目标正常图像的第二特征向量之间的向量距离，得到向量距离集合，所述向量距离集合包括所述待检测图像与每张所述目标正常图像的向量距离；将所述向量距离集合确定为所述待检测图像的差异度值。5.根据权利要求2所述的基于神经网络的图像处理方法，其特征在于，所述根据所述待
检测图像的第一特征向量，以及与所述待检测图像对应的至少一张目标正常图像的第二特征向量，计算所述待检测图像对应的目标异常度，包括：根据所述待检测图像对应的至少一张目标正常图像的第二特征向量，计算所有所述目标正常图像的第二特征向量对应的均值与方差值，得到所有所述正常图像对应的第一分布向量；计算所述待检测图像的第一特征向量与所述第一分布向量之间的第一分布向量距离，并将所述第一分布向量距离确定为所述待检测图像对应的目标异常度，其中，计算所述第一分布向量距离的公式为；L＝(f
‑
μ)
T
σ
‑1(f
‑
μ)；其中，L为所述第一分布向量距离，f为所述待检测图像对应的第一特征向量，μ为所有所述目标正常图像的第二特征向量对应的均值，σ为所有所述目标正常图像的第二特征向量对应的方差值。6.根据权利要求2所述的基于神经网络的图像处理方法，其特征在于，所述根据所述待检测图像的第一特征向量，以及与所述待检测图像对应的至少一张目标正常图像的第二特征向量，计算所述待检测图像对应的目标异常度，包括：从预先确定出的正常图像集合中获取所述待检测图像对应的第一类正常图像，所述第一类正常图像包括所述待检测图像对应的C个近邻正常图像，其中，每个所述近邻正常图像的第二特征向量与所述待检测图像的第一特征向量之间的向量距离小于预设距离阈值；计算所述待检测图像的第一特征向量和C个所述近邻正常图像的第二特征向量的第一方差值；对于从所述正常图像集合中随机确定出的D个第二类正常图像中的每个目标正常图像，计算该目标正常图像的第二特征...

【专利技术属性】
技术研发人员：区初斌，安林，叶重荣，彭勇，韦喜飞，
申请(专利权)人：唯智医疗科技佛山有限公司，
类型：发明
国别省市：