一种早产儿视网膜病变照片的辨别系统技术方案

本发明专利技术公开了一种早产儿视网膜病变照片的辨别系统，包括数据采集模块、数据处理模块、模型构建模块及病变辨别模块，数据采集模块，用于获取视网膜眼底照片；数据处理模块，用于早产儿视网膜眼底照片处理；模型构建模块，用于构建模型；病变辨别模块，用于将处理后的视网膜眼底照片输入至病变辨别模型中，基于病变辨别模型的输出结果辨别处理后的早产儿视网膜眼底照片是否存在病变本发明专利技术通过对获取的早产儿视网膜眼底照片进行去除冗余边框、直方图、均衡化、对比度拉伸、剔除无法反映眼底的信息以及对未剔除照片进行颜色亮度规范化处理，能够排除由于各种主客观因素对早产儿视网膜眼底照片造成影响，能够为后续处理的顺利进行提供保障。提供保障。提供保障。

【技术实现步骤摘要】
一种早产儿视网膜病变照片的辨别系统


[0001]本专利技术涉及医学图像处理
，具体来说，涉及一种早产儿视网膜病变照片的辨别系统。

技术介绍

[0002]早产儿视网膜病变是一种常见于早产儿或出生极低体重儿的血管增生性视网膜疾病，是导致婴儿失明的首要原因。据统计我国出生体重小于等于1500g的婴儿ROP发病率约为26％。由于ROP的治疗窗口期较小，因此早期筛查和及时干预是预防ROP致盲的关键因素。目前眼底筛查的共识流程是：使用专业设备采集一组新生儿的眼底图像数据，然后经由专业眼科医生对这一组影像分析诊断，出具检测报告。
[0003]传统的视网膜病变检测方法是由眼底成像仪拍摄眼底照片，眼科医生通过标志物判断是否患病，但由于医疗资源分布不均以及医生水平参差不齐等原因，使得绝大多数的患者没有接受定期的筛查或者在疾病早期未能得到有效的治疗而导致视觉受损甚至失明。另外，利用肉眼去判断是否患病也为本就紧张的医疗资源造成了更大的压力，准确率也不尽人意。
[0004]其中，中国专利CN109544526B公开了一种慢性萎缩性胃炎图像识别系统、装置及其应用，该系统包括数据输入模块、数据预处理模块、图像识别模型构建模块和病变识别模块，该系统可以实现自我训练，从而准确的识别慢性萎缩性胃炎图像中的病变部位。其实现了对图像中的病变进行检测，同样适用于对早产儿视网膜病变的检测辨别，但是，在对病变区域进行图像采集的过程中，鱿鱼医疗采集器材的不同、采集光照条件或者采集技术的限制，容易造成图像的清晰度和亮度不平衡，甚至会包含验证的噪声图像，然而上述系统在对图像处理过程中不能够对图像的噪声或者不清晰进行处理，从而会影响后续对视网膜病变的检测辨别，因此无法保证对早产儿视网膜病变辨别的准确性。
[0005]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]针对相关技术中的问题，本专利技术提出一种早产儿视网膜病变照片的辨别系统，以克服现有相关技术所存在的上述技术问题。
[0007]为此，本专利技术采用的具体技术方案如下：
[0008]一种早产儿视网膜病变照片的辨别系统，该系统包括数据采集模块、数据处理模块、模型构建模块及病变辨别模块，且所述数据采集模块、数据处理模块及模型构建模块依次与所述病变辨别模块连接；
[0009]其中，所述数据采集模块，用于获取早产儿视网膜眼底照片；
[0010]所述数据处理模块，用于对获取的早产儿视网膜眼底照片进行处理；
[0011]所述模型构建模块，用于构建支持向量SVM病变辨别模型；
[0012]所述病变辨别模块，用于将处理后的早产儿视网膜眼底照片输入至所述病变辨别
模型中，并基于所述病变辨别模型的输出结果辨别处理后的早产儿视网膜眼底照片是否存在病变。
[0013]进一步的，所述对获取的早产儿视网膜眼底照片进行处理包括以下步骤：
[0014]对获取的早产儿视网膜眼底照片进行去除冗余边框的预处理；
[0015]对预处理后的早产儿视网膜眼底照片通过直方图均衡化进行处理；
[0016]对处理后的早产儿视网膜眼底照片进行对比度拉伸；
[0017]对拉伸处理后且无法反映眼底信息的早产儿视网膜眼底照片进行剔除；
[0018]对未剔除的早产儿视网膜眼底照片进行颜色亮度规范化处理。
[0019]进一步的，所述直方图均衡化的原理公式如下：
[0020][0021]其中，M
k
表示变换后的输出值；
[0022]rj表示灰度级；
[0023]Pr(rj)表示灰度级rj的概率密度函数；
[0024]nj表示包含灰度级rj的数量；
[0025]N表示照片图像的总像素量；
[0026]k表示自然数，且k的取值范围为[0，255]。
[0027]进一步的，所述构建支持向量SVM模型包括以下步骤：
[0028]获取历史早产儿视网膜病变照片；
[0029]识别历史早产儿视网膜病变照片的目标区域，并提取所述目标区域的纹理特征，所述纹理特征包括空域纹理特征和频域纹理特征；
[0030]将所述纹理特征进行归一化处理，并得到目标纹理特征；
[0031]将历史早产儿视网膜病变照片的病变照片及所述目标纹理特征作为训练集，建立支持向量SVM模型。
[0032]进一步的，所述识别历史早产儿视网膜病变照片的目标区域包括以下步骤：
[0033]将所述历史早产儿视网膜病变照片输入至预先训练好的区域检测模型中，并通过所述区域检测模型中的卷积层对所述历史早产儿视网膜病变照片进行特征提取，得到特征图像；
[0034]通过所述区域检测模型中的标准层对所述特征图像进行标准化处理，得到标准图像；
[0035]通过所述区域检测模型中的池化层对所述标准图像进行池化处理，并得打到池化图像；
[0036]通过所述区域检测模型中的全连接层对所述池化图像的区域类别进行识别，并通过所述区域检测模型中的输出层输出所述历史早产儿视网膜病变照片的目标区域。
[0037]进一步的，所述提取所述目标区域的纹理特征包括以下步骤：
[0038]确定所述目标区域的纹理特征参数，并构建所述目标区域的空域共生矩阵，根据所述空域共生矩阵提取所述目标区域的空域纹理特征；
[0039]通过小波分解法对所述目标区域进行分解并得到分解图像，计算所述分解图像的全局特征，通过主成分分析法删除所述全局特征的冗余特征信息，得到所述目标区域的频域纹理特征。
[0040]进一步的，所述将所述纹理特征进行归一化处理的计算公式如下：
[0041][0042]其中，Q
*
表示归一化后的特征；
[0043]Q表示待归一化的特征；
[0044]min表示待归一化特征的最小值；
[0045]max表示待归一化特征的最大值。
[0046]进一步的，所述将历史早产儿视网膜病变照片的病变照片及所述目标纹理特征作为训练集，建立支持向量SVM模型还包括以下步骤：
[0047]将径向基函数作为支持向量SVM模型的核函数，确定参数组合(C，σ)，其中，C表示惩罚参数，σ表示径向基函数的核参数；
[0048]通过果蝇优化算法对支持向量SVM模型的参数组合(C，σ)进行优化，在全局范围内得到最优值；
[0049]代入经过优化的参数，在训练集上构建支持向量SVM病变辨别模型；
[0050]进一步的，所述果蝇优化算法包括以下步骤：
[0051]步骤一、在设定空间内，随机初始化果蝇群体位置以及给定群体规模、最大迭代次数；
[0052]步骤二、对果蝇个体通过嗅觉寻找食物的方向和距离进行赋值；
[0053]步骤三、由于无法得知食物的位置，因此预先估计果蝇个体与原点之间的距离Dist
i
，并计算味道浓度的判断值S
i
；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种早产儿视网膜病变照片的辨别系统，其特征在于，该系统包括数据采集模块、数据处理模块、模型构建模块及病变辨别模块，且所述数据采集模块、数据处理模块及模型构建模块依次与所述病变辨别模块连接；其中，所述数据采集模块，用于获取早产儿视网膜眼底照片；所述数据处理模块，用于对获取的早产儿视网膜眼底照片进行处理；所述模型构建模块，用于构建支持向量SVM病变辨别模型；所述病变辨别模块，用于将处理后的早产儿视网膜眼底照片输入至所述病变辨别模型中，并基于所述病变辨别模型的输出结果辨别处理后的早产儿视网膜眼底照片是否存在病变。2.根据权利要求1所述的一种早产儿视网膜病变照片的辨别系统，其特征在于，所述对获取的早产儿视网膜眼底照片进行处理包括以下步骤：对获取的早产儿视网膜眼底照片进行去除冗余边框的预处理；对预处理后的早产儿视网膜眼底照片通过直方图均衡化进行处理；对处理后的早产儿视网膜眼底照片进行对比度拉伸；对拉伸处理后且无法反映眼底信息的早产儿视网膜眼底照片进行剔除；对未剔除的早产儿视网膜眼底照片进行颜色亮度规范化处理。3.根据权利要求2所述的一种早产儿视网膜病变照片的辨别系统，其特征在于，所述直方图均衡化的原理公式如下：其中，M
k
表示变换后的输出值；r
j
表示灰度级；P
r
(r
j
)表示灰度级r
j
的概率密度函数；n
j
表示包含灰度级r
j
的数量；N表示照片图像的总像素量；k表示自然数，且k的取值范围为[0，255]。4.根据权利要求1所述的一种早产儿视网膜病变照片的辨别系统，其特征在于，所述构建支持向量SVM模型包括以下步骤：获取历史早产儿视网膜病变照片；识别历史早产儿视网膜病变照片的目标区域，并提取所述目标区域的纹理特征，所述纹理特征包括空域纹理特征和频域纹理特征；将所述纹理特征进行归一化处理，并得到目标纹理特征；将历史早产儿视网膜病变照片的病变照片及所述目标纹理特征作为训练集，建立支持向量SVM模型。5.根据权利要求4所述的一种早产儿视网膜病变照片的辨别系统，其特征在于，所述识别历史早产儿视网膜病变照片的目标区域包括以下步骤：将所述历史早产儿视网膜病变照片输入至预先训练好的区域检测模型中，并通过所述
区域检测模型中的卷积层对所述历史早产儿视网膜病变照片进行特征提取，得到特征图像；通过所述区域检测模型中的标准层对所述特征图像进行标准化处理，得到标准图像；通过所述区域检测模型中的池化层对所述标准图像进行池化处理，并得打到池化图像；通过所述区域检测模型中的全连接层对所述池化图像...

【专利技术属性】
技术研发人员：路耀辉，罗佳，黄家传，乔海岩，张乾豪，罗红，袁昌亮，邵俊明，王朴真，
申请(专利权)人：南宁博艾特医疗器械有限公司，
类型：发明
国别省市：