眼底图像处理方法、分类方法、装置、电子设备及介质制造方法及图纸

本发明专利技术提供一种眼底图像处理方法、分类方法、装置、电子设备及介质，所述眼底图像处理方法包括：获取待处理眼底图像；提取所述待处理眼底图像的感兴趣区域图像，并对所述感兴趣区域图像进行自适应中值滤波处理，得到第一眼底图像；对所述第一眼底图像执行黑帽运算处理，得到第二眼底图像；对所述第二眼底图像执行图像二值化处理，得到第三眼底图像。本发明专利技术提供的眼底图像处理方法，基于眼底图像实现了对眼底血管特征的精准采集，进而基于该血管特征实现对患者是否为高度近视的准确判断。现对患者是否为高度近视的准确判断。现对患者是否为高度近视的准确判断。

Fundus image processing method, classification method, device, electronic equipment and medium

【技术实现步骤摘要】
眼底图像处理方法、分类方法、装置、电子设备及介质


[0001]本专利技术涉及医疗
，尤其涉及一种眼底图像处理方法、分类方法、装置、电子设备及介质。

技术介绍

[0002]眼底图像是眼科中通过眼底照相机获得的一种诊断影像,通过对眼底图像的分析处理可以得出患者的近视情况。
[0003]眼底图像的分析在现有技术中主要为人工进行，由于人工的分析带有较强的主观性，因此人工分析的准确性和一致性难以得到很好的保证。同时人力成本也越来越高，因此自动分析技术在对眼底图像的分析过程中具有更好的客观性，同时还可以大幅降低人工成本。

技术实现思路

[0004]本专利技术提供一种眼底图像处理方法、分类方法、装置、电子设备及介质，用于解决现有技术中存在的技术问题。
[0005]本专利技术提供一种眼底图像处理方法，包括：
[0006]获取待处理眼底图像；
[0007]提取所述待处理眼底图像的感兴趣区域图像，并对所述感兴趣区域图像进行自适应中值滤波处理，得到第一眼底图像；
[0008]对所述第一眼底图像执行黑帽运算处理，得到第二眼底图像；
[0009]对所述第二眼底图像执行图像二值化处理，得到第三眼底图像。
[0010]根据本专利技术提供的眼底图像处理方法，所述提取所述待处理眼底图像的感兴趣区域图像，具体包括：
[0011]对所述待处理眼底图像执行灰度处理，得到灰度眼底图像；
[0012]基于所述灰度眼底图像和第一预设阈值区间提取所述感兴趣区域图像对应的第一掩膜图像；
[0013]基于所述第一掩膜图像对所述待处理眼底图像执行与运算，得到所述感兴趣区域图像。
[0014]根据本专利技术提供的眼底图像处理方法，在所述对所述第一眼底图像执行黑帽运算处理，得到第二眼底图像之前，所述方法还包括：降低所述第一眼底图像的像素。
[0015]根据本专利技术提供的眼底图像处理方法，在所述对所述第二眼底图像执行图像二值化处理，得到第三眼底图像之前，所述方法还包括：基于第二预设阈值区间提取所述第二眼底图像的第二掩膜图像，并基于所述第二掩膜图像对所述第二眼底图像执行与运算。
[0016]本专利技术提供一种眼底图像分类方法，包括：
[0017]将第三眼底图像输入到图像分类模型中，得到所述图像分类模型输出的图像类别；
[0018]其中，所述图像分类模型是由样本图像集训练得到的，所述样本图像集由所述第三眼底图像和与所述第三眼底图像对应的诊断标签组成，所述图像分类模型用于基于残差网络确定所述第三眼底图像对应的所述图像类别。
[0019]本专利技术提供一种眼底图像处理装置，包括：
[0020]获取模块，用于获取待处理眼底图像；
[0021]提取模块，用于提取所述待处理眼底图像的感兴趣区域图像，并对所述感兴趣区域图像进行自适应中值滤波处理，得到第一眼底图像；
[0022]黑帽运算模块，用于对所述第一眼底图像执行黑帽运算处理，得到第二眼底图像；
[0023]二值化处理模块，用于对所述第二眼底图像执行图像二值化处理，得到第三眼底图像。
[0024]本专利技术提供一种眼底图像分类装置，包括：
[0025]分类模块，用于将第三眼底图像输入到图像分类模型中，得到所述图像分类模型输出的图像类别；
[0026]其中，所述图像分类模型是由样本图像集训练得到的，所述样本图像集由所述第三眼底图像和与所述第三眼底图像对应的诊断标签组成，所述图像分类模型用于基于残差网络确定所述第三眼底图像对应的所述图像类别。
[0027]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眼底图像处理方法的步骤或眼底图像分类方法的步骤。
[0028]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眼底图像处理方法的步骤或眼底图像分类方法的步骤。
[0029]本专利技术还提供一种计算机程序产品，所计算机程序产品包括有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述眼底图像处理方法的步骤或眼底图像分类方法的步骤。
[0030]本专利技术提供的眼底图像处理方法、分类方法、装置、电子设备及介质，通过对眼底图像依次执行获取感兴趣区域图像、黑帽运算处理和图像二值化处理，最终得到第三眼底图像，该第三眼底图像具有清晰明确的眼底血管特征，基于该血管特征实现对患者是否为高度近视的准确判断；同时，利用基于图像处理方法得到的第三眼底图像训练神经网络得到图像分类模型，该图像分类模型基于残差网络确定待分类眼底图像对应的图像类别，即高度近视或者非高度近视，基于此可以避免出现因为神经网络过深导致的梯度消失问题，进一步确保图像分类模型对待分类眼底图像的精准分类，实现对患者是否为高度近视的精准判断。
附图说明
[0031]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。
[0032]图1是本专利技术提供的眼底图像处理方法的流程示意图；
[0033]图2是本专利技术提供的眼底图像分类方法的流程示意图；
[0034]图3是本专利技术提供的提取感兴趣区域图像的流程示意图；
[0035]图4是本专利技术提供的执行自适应中值滤波处理的流程示意图；
[0036]图5是本专利技术提供的执行黑帽变换处理的流程示意图；
[0037]图6是本专利技术提供的执行图像二值化处理的流程示意图；
[0038]图7是本专利技术提供的图像分类模型的结构示意图；
[0039]图8是本专利技术提供的眼底图像处理装置的结构示意图；
[0040]图9是本专利技术提供的眼底图像分类装置的结构示意图；
[0041]图10是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0042]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。
[0043]图1是本专利技术提供的眼底图像处理方法的流程示意图，如图1所示，所述方法包括：
[0044]S110，获取待处理眼底图像；
[0045]S120，提取所述待处理眼底图像的感兴趣区域图像，并对所述感兴趣区域图像进行自适应中值滤波处理，得到第一眼底图像；
[0046]S130，对所述第一眼底图像执行黑帽运算处理，得到第二眼底图像；
[0047]S140，对所述第二眼底图像执行图像二值化处理，得到第三眼底图像。...

【技术保护点】

【技术特征摘要】
1.一种眼底图像处理方法，其特征在于，包括：获取待处理眼底图像；提取所述待处理眼底图像的感兴趣区域图像，并对所述感兴趣区域图像进行自适应中值滤波处理，得到第一眼底图像；对所述第一眼底图像执行黑帽运算处理，得到第二眼底图像；对所述第二眼底图像执行图像二值化处理，得到第三眼底图像。2.根据权利要求1所述的眼底图像处理方法，其特征在于，所述提取所述待处理眼底图像的感兴趣区域图像，具体包括：对所述待处理眼底图像执行灰度处理，得到灰度眼底图像；基于所述灰度眼底图像和第一预设阈值区间提取所述感兴趣区域图像对应的第一掩膜图像；基于所述第一掩膜图像对所述待处理眼底图像执行与运算，得到所述感兴趣区域图像。3.根据权利要求1所述的眼底图像处理方法，其特征在于，在所述对所述第一眼底图像执行黑帽运算处理，得到第二眼底图像之前，所述方法还包括：降低所述第一眼底图像的像素。4.根据权利要求1所述的眼底图像处理方法，其特征在于，在所述对所述第二眼底图像执行图像二值化处理，得到第三眼底图像之前，所述方法还包括：基于第二预设阈值区间提取所述第二眼底图像的第二掩膜图像，并基于所述第二掩膜图像对所述第二眼底图像执行与运算。5.一种基于权利要求1
‑
4中任一项所述眼底图像处理方法的眼底图像分类方法，其特征在于，包括：将第三眼底图像输入到图像分类模型中，得到所述图像分类模型输出的图像类别；其中，所述图像分类模型是由样本图像集训练得到的，所述样本图像集由所述第三眼底图像和与所述第三眼底图像对应的诊断标签组成，所述图像分类模型用于基于残差网络确定...

【专利技术属性】
技术研发人员：李建强，文棚嶒，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：