一种针对糖尿病预测的眼底图像的处理方法和系统，包括步骤：步骤S100，对原始眼底血管图像进行预处理；步骤S200，识别眼底血管图像中的血管信息，并转换为眼底血管的坐标和形态数据进行存储；其具体包括：步骤S210，提取眼底的动静脉血管中心线；步骤S220，识别眼底血管关键点；步骤S230，对识别出的眼底血管断点进行连接；在属于同一眼底血管的两个血管断点之间使用直角折线方式进行连接。步骤S240，对眼底血管中心线坐标、眼底血管分叉关系进行存储；步骤S300，根据眼底血管坐标和形态数据提取眼底血管特征。该方法还可包括：步骤S400，通过元分类器模型对步骤S300中提取的眼底血管特征进行处理，以进行糖尿病的早期筛查或预测，能够大幅提升预测准确性。能够大幅提升预测准确性。能够大幅提升预测准确性。
【技术实现步骤摘要】
一种针对糖尿病预测的眼底图像的处理方法和系统
[0001]本专利技术涉及一种数字图像处理和应用技术，具体涉及一种针对糖尿病预测的眼底图像的处理方法和系统，属于医学数字图像处理
技术介绍
[0002]眼底是人体内不多的能用肉眼直接、集中观察到动脉、静脉和毛细血管的部位。这些血管可以反映人体全身血液循环的动态以及健康状况，眼底检查不仅是检查视网膜、脉络膜和视神经疾病的重要方法，也是许多全身性疾病监测的“窗口”。眼底血管的变化在一定程度上也反映了全身的血管改变情况，这些改变可以借由眼底图像的手段无创地显示出来，医生可据此来分析、判断相关疾病的严重程度。
[0003]目前通过眼底相机获取视网膜图像是筛查常见眼疾病最有效也是最基本的方式，其亦可识别肾炎、白血病、贫血、心脏病等引起眼底病变，但是目前借助神经网络诊断的视网膜图像一般需要具有明显的病变特征，专业医生也能直接根据这种图像判断疾病情况；而且这些病变是在疾病很严重的情况下才会产生，疾病已对人体造成了长期、不可逆的损伤，因此医疗界希望不仅能够通过视网膜图像进行疾病的诊断和筛查，同时更希望能够通过视网膜图像进行疾病的早期预测。
[0004]对于眼底，眼科形态学上普遍认为眼底血管直径、弯曲度等参数变化能反映特定疾病的严重程度。而现有眼底血管的提取算法主要有手动提取与半自动化软件提取两种方式。医学上眼底血管特征的手动提取方法主要借助结合机械和光学的仪器，而这种手段在测量单张眼底图像时花费时间过长，效率低下，不适合大批量的特征提取；而且此类方法与测量人员的经验有着直接关系，受主观因素影响。半自动化眼底血管测量软件如AVRnet、SIVA(Singapore I Vessel Analyzer)、CAIAR(Computer
‑
Assisted Image Analysis of the Retina)以及IDX系统主要将输入的眼底图识别出眼底血管边界，然后借助人工辅助进行眼底血管特征测量，虽然已经很大程度上解放了人力，但是在眼底血管选取以及眼底血管范围划定还是因人而异。
[0005]对于基于眼底血管特征的疾病筛查和预测上面，现有技术一般仅使用眼底图像的某几个特征如眼底血管直径、弯曲度，但是某种疾病的发生可能不仅仅影响血管的形态，还可能对视网膜本身产生应影响，所以只通过眼底血管特征对疾病进行早期筛查和预测是不够的，缺失了很多信息，为了能够更准确地进行疾病的筛查和预测，需要更多信息去辅助诊断。
技术实现思路
[0006]因此，为了解决上述现有技术的诸多不足和缺陷，本专利技术提供了一种针对糖尿病预测的眼底血管图像处理方法，包括步骤：
[0007]步骤S100，对原始眼底血管图像进行预处理；
[0008]步骤S200，识别眼底血管图像中的血管信息，并转换为眼底血管的坐标和形态数
据进行存储；所述步骤S200具体包括：
[0009]步骤S210，提取眼底的动静脉血管中心线；
[0010]步骤S220，识别眼底血管关键点；
[0011]步骤S230，对识别出的眼底血管断点进行连接；在属于同一眼底血管的两个血管断点之间使用直角折线方式进行连接；
[0012]步骤S240，对眼底血管中心线坐标、眼底血管分叉关系进行存储；
[0013]步骤S300，根据眼底血管坐标和形态数据提取眼底血管特征。
[0014]在上述技术方案中，所述步骤S100具体包括：
[0015]步骤S110，对原始眼底血管图像进行尺寸均一化处理；
[0016]步骤S120，对经过尺寸均一化处理的眼底血管图像进行色彩均一化处理；
[0017]步骤S130，对经过色彩均一化处理的眼底血管图像进行尺寸校正处理。
[0018]在上述技术方案中，所述步骤S110具体包括：
[0019]步骤S112，将RGB三通道彩色的原始眼底血管图像转换成单通道的灰度图；
[0020]步骤S114，根据灰度图获取黑边区域灰度阈值，根据黑边区域灰度阈值获得灰度图上有效图像区域遮罩；
[0021]步骤S116，对彩色的原始眼底血管图像的RGB三个通道分别使用有效图像区域遮罩进行像素点的过滤，全部完成后重新将RGB三个通道拼接成彩色的眼底血管图像。
[0022]在上述技术方案中，所述步骤S120具体采用高斯滤波方式进行亮度和对比度调整；所述步骤S130的校正后使得图像中的1像素对应10微米长度。
[0023]在上述技术方案中，所述步骤S220中通过中心点的8邻域的连通性来提取关键点，从而判断关键点类型，采用的公式为：
[0024][0025]其中p代表中心像素点，N(p)代表像素点P的类型，I
t
(p)代表中心像素点P的八邻域值；当N(p)值为1，则像素点P为眼底血管的端点；当N(p)值为2，则像素P点为眼底血管的连续点；当N(p)值为3，则像素点P为眼底血管的分叉关键点；当N(p)值为4，则像素点P为眼底血管的交叉关键点。
[0026]在上述技术方案中，所述步骤S300具体包括以下步骤中的一项或多项：
[0027]步骤S310：提取眼底血管的直径特征；
[0028]步骤S320：提取眼底血管的血管当量特征；
[0029]步骤S330：提取眼底血管的弯曲度特征；
[0030]步骤S340：提取眼底血管的分支特征；
[0031]步骤S350：提取眼底血管的分形维数特征。
[0032]在上述技术方案中，所述步骤S320包括挑选视网膜眼底图片中感兴趣区域的大于40微米的最粗的6条动静脉进行计算，不足六条则全部参与计算，每次挑选最大和最小的两条血管按照一定权重折算方均根，然后将计算结果重新加入到数据中进行下一轮迭代，直到求出最终的当量；
[0033]折算方均根的具体计算方法为：
[0034][0035][0036]其中，W
a
为较窄的血管宽度，W
b
为较宽的血管宽度，W
c
为血管宽度估计值。
[0037]在上述技术方案中，进一步地包括：
[0038]步骤S400，通过元分类器模型对步骤S300中提取的眼底血管特征进行处理，进行糖尿病的早期筛查或预测，其中元分类器模型为Resnet
‑
Meta
‑
Classifier Model。
[0039]在上述技术方案中，该元分类器模型包括输入层和全连接输出层；
[0040]该输入层包括第一输入处理模块、第二输入处理模块；其中，该第一输入处理模块采用深度残差卷积神经网络，用于处理输入的眼底图像，所述深度残差卷积神经网络为Resnet50；该第二输入处理模块采用三层结构的多层感知机，用于处理输入的眼底血管特征；
[0041]该全连接输出层包括Scores模块和Softmax模块；该第一输入处理模块、第二输入处理模块输出的结果在Scores模块本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种针对糖尿病预测的眼底血管图像处理方法，其特征在于包括：步骤S100，对原始眼底血管图像进行预处理；步骤S200，识别眼底血管图像中的血管信息，并转换为眼底血管的坐标和形态数据进行存储；所述步骤S200具体包括：步骤S210，提取眼底的动静脉血管中心线；步骤S220，识别眼底血管关键点；步骤S230，对识别出的眼底血管断点进行连接；在属于同一眼底血管的两个血管断点之间使用直角折线方式进行连接；步骤S240，对眼底血管中心线坐标、眼底血管分叉关系进行存储；步骤S300，根据眼底血管坐标和形态数据提取眼底血管特征。2.如权利要求1所述的一种针对糖尿病预测的眼底血管图像处理方法，其特征在于：所述步骤S100具体包括：步骤S110，对原始眼底血管图像进行尺寸均一化处理；步骤S120，对经过尺寸均一化处理的眼底血管图像进行色彩均一化处理；步骤S130，对经过色彩均一化处理的眼底血管图像进行尺寸校正处理。3.如权利要求2所述的一种针对糖尿病预测的眼底血管图像处理方法，其特征在于：所述步骤S110具体包括：步骤S112，将RGB三通道彩色的原始眼底血管图像转换成单通道的灰度图；步骤S114，根据灰度图获取黑边区域灰度阈值，根据黑边区域灰度阈值获得灰度图上有效图像区域遮罩；步骤S116，对彩色的原始眼底血管图像的RGB三个通道分别使用有效图像区域遮罩进行像素点的过滤，全部完成后重新将RGB三个通道拼接成彩色的眼底血管图像。4.如权利要求3所述的一种针对糖尿病预测的眼底血管图像处理方法，其特征在于：所述步骤S120具体采用高斯滤波方式进行亮度和对比度调整；所述步骤S130的校正后使得图像中的1像素对应10微米长度。5.如权利要求4所述的一种针对糖尿病预测的眼底血管图像处理方法，其特征在于：所述步骤S220中通过中心点的8邻域的连通性来提取关键点，从而判断关键点类型，采用的公式为：其中p代表中心像素点，N(p)代表像素点P的类型，I
t
(p)代表中心像素点P的八邻域值；当N(p)值为1，则像素点P为眼底血管的端点；当N(p)值为2，则像素P点为眼底血管的连续点；当N(p)值为3，则像素点P为眼底血管的分叉关键点；当N(p)值为4，则像素点P为眼底血管的交叉关键点。6.如权利要求5所述的一种针对糖尿病预测的眼底血管图像处理方法，其特征在于：所述步骤S300具体...
【专利技术属性】
技术研发人员：张冀聪，李彩，
申请(专利权)人：北京航空航天大学，
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。