【技术实现步骤摘要】
老年黄斑性病变先验性可解释方法、系统及存储介质
[0001]本专利技术涉及图像处理领域，特别涉及一种老年黄斑性病变先验性可解释方法、系统及存储介质。
技术介绍
[0002]近年来，随着医学成像采集设备的不断完善，以及图像处理、模式识别、机器学习等学科的不断发展，多学科交叉的医学图像处理和分析领域取得了丰硕的成果。这些成果对于辅助医生进行快速精确的诊断具有重大的意义。
[0003]老年性黄斑变性(age related macular degeneration，AMD)是严重威胁老年人视功能的眼底病变。在西方国家AMD为50岁以上患者不可逆性严重视力损害的最主要的原因。临床上AMD分为渗出型(湿性)和菱缩型(干性)两型，菱缩型AMD约占整个AMD的90％，渗出型AMD约占整个AMD的10％。据有关研究分析，60％～90％因AMD失明的患眼系由于渗出型病变所致。鉴于此病变对视力损害的严重性及发病率有增加的趋势，越来越多新开发的检查设备已用于AMD的检查之中。
[0004]尽管采用机器学习模型可以辅助医生对老年黄斑...
【技术保护点】
【技术特征摘要】
1.一种老年黄斑性病变先验性可解释方法，其特征在于，包括以下步骤：对不同类型的眼底照片设置对应的判断AMD的特征维度，得到病症量化结果；其中所述眼底照片的类型包括OCT眼底照片、RCFP眼底照片和UWF眼底照片；获取眼底图片数据，并对所述眼底图片数据中UWF眼底图片的进行黄斑中心凹检测，得到检测结果；基于所述病症量化结果，对眼底图片在图片像素级别的AMD阳性数据进行病症标记，得到标记图片；对眼底图片进行预处理，包括对UWF眼底图片进行ROI分割；基于所述标记图片，通过CGAN的改良数据增强模型进行图片增强，得到增强数据；基于所述增强数据，基于MsTGANet+Gan半监督学习模型进行病症图像分割，得到病症分割数据；基于所述增强数据和所述病症分割数据，构建图片分类模型；基于所述图片分类模型对眼底图片进行分类识别，并根据分类识别结果生成可解释性病症描述。2.根据权利要求1所述的老年黄斑性病变先验性可解释方法，其特征在于，所述对所述眼底图片数据中UWF眼底图片的进行黄斑中心凹检测，得到检测结果包括：基于目标识别算法或图像分割算法对所述UWF眼底图片进行黄斑中心凹检测，得到检测结果；其中，所述目标识别算法包括但不限于Inception和yolo5，所述图像分割算法包括但不限于Unet。3.根据权利要求1所述的老年黄斑性病变先验性可解释方法，其特征在于，所述对眼底图片进行预处理还包括以下各项中的一项：矫正左右眼、矫正倒置图片和图片归一化。4.根据权利要求1所述的老年黄斑性病变先验性可解释方法，其特征在于，所述改良数据增强模型包括：生成器，为U型网络结构；判别器，包括第一判别器、第二判别器、第三判别器和第四判别器，所述判别器的结构为Conv
×
2+BN+ReLU层+Conv+激活函数；粗生成器，结构为映射+填充、三个卷积+若干正则化+线性整流函数和四个ResBlk，用于生成眼底主要特征，所述眼底主要特征包括黄斑区、视盘和颜色结构；所述第一判别器，输入为低像素图片及粗生成器生成图片，输出为半解析度图像；细生成器，结构为三个ResBlk、一个Deconv、一个Conv和一个输出启动层，用于生成局部信息，所述局部信息包括视网膜小静脉、小动脉、出血、渗出和微动脉瘤；所述第二判别器，输入为图像为高像素图片和细生成器生成图片，输出为全解析度图像；所述粗生成器和所述细生成器构成粗+细生成器，所述的粗+细生成器的结构通过将粗生成器的最后一个ResBlk添加到细生成器的第一个Conv层得到，用于生成所述眼底主要特征和所述局部信息；所述第三判别器，输入为图像为低像素图片和所述粗+细生成器的生成图片，输出为全
解析度图像；所述第四判别器，输入为高像素图片和所述粗+细生成器的生成图片，输出为全解析度图像。5.根据权利要求1所述的老年黄斑性病变先验性可解释方法，其特征在于，所述MsTGANet+Gan半监督图像模型包括：CGAN，用于生成验证数...
【专利技术属性】
技术研发人员：王涵，
申请(专利权)人：珠海中科先进技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。