面向视网膜眼底图像中的多尺度小目标检测方法技术

一种面向视网膜眼底图像中的多尺度小目标方法，属于计算机视觉和医学图像处理领域。以深度卷积神经网络为基础，使用了8种眼底公共数据集，通过基于Laplacian尺度空间理论计算每个小目标以及负样本的最佳感受野，从而得到每个小目标的多种尺度的patch图片，以训练如图2所示网络模型，在完成基本的二分类任务的基础上，进一步解决了多尺度眼底图像的分类问题。如图2，该网络模型使用全新提出的T型网络架构，提出ASPP方法处理不同尺度的输入图像，并加强特征表达和对显著特征的关注，从而得到较为优秀的分类结果。本发明专利技术适用于多尺度的眼部医疗数据，用于进行眼部图像的分类任务。务。务。

【技术实现步骤摘要】
面向视网膜眼底图像中的多尺度小目标检测方法


[0001]本专利技术涉及一种面向视网膜眼底图像中的多尺度小目标检测方法，属于计算机视觉和医学图像处理领域。

技术介绍

[0002]微动脉瘤(microaneurysm，MA)是视网膜眼底图像中的一种小目标，也被认为是糖尿病视网膜病变(Diabetic retinopathy，DR)的最早期病变，在彩色眼底图像中，MA表现类圆形暗红色斑点且尺度不一。眼科医生通过手动检查的方法耗时费力。因此，准确的MA检测计算机辅助技术对于DR的大规模筛选至关重要。已经公开了许多方法来检测公共数据库和临床数据库上的MA。在将深度学习广泛应用于计算机视觉任务之前，传统方法旨在设计一个两阶段框架并提取手工特征进行分类。此外，还基于端到端架构引入了深度学习技术，以提取上下文特征并检测MA。
[0003]许多研究提出了分别检测MA的两阶段框架。数学形态学技术被用于候选人的提取，导致了一些MA和大量非MA的出现。通过监督分类器(例如k近邻(k
‑
nearest neighbor，KNN))提取视觉特征以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向视网膜眼底图像中的多尺度小目标检测方法，包括如下步骤：(1)选取8种公共数据集，基于Laplacian尺度空间理论计算每个MA以及负样本的最佳感受野，从而得到每个MA的patchsize；(2)手动对正负样本patch进行计算，正样本(MA)以MA区域的连通域(金标准)质心为中心，截取patch，负样本选取除MA区域外随机截取图像中的patch区域作为负样本；(3)制作数据集对应的标签，并通过预设值对图像进行标准化和归一化；(4)设计适用于现有数据集的神经网络，以实现对多尺度视网膜眼底图像中微动脉瘤的分类；(5)通过计算准确度、精确度、灵敏度、F1分数对所述神经网络性能进行评价。2.如权利要求1所述的面向视网膜眼底图像中的多尺度小目标检测方法，其特征在于，步骤(4)中的神经网络为特征提取网络，以提取有效的病灶区域特征信息，完成后续的分类任务。3.如权利要求1所述的面向视网...

【专利技术属性】
技术研发人员：张欣鹏，赵萌，杨虹霞，敖吉，陈胜勇，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：