本公开提供一种眼底出血病灶提取方法及装置，包括通过类别识别模型，对目标眼部图像中的眼底出血病灶进行类型识别，得到类型识别结果；在类型识别结果为眼底出血病灶属于第一类别的情况下，通过预训练的眼底出血病灶检测模型，对目标眼部图像进行检测，得到眼底出血病灶区域的第一初始图像；通过预训练的病灶分割模型，对第一初始图像进行分割，得到眼底出血病灶的第一图像；基于预设的图像处理算法，对目标眼部图像进行眼底出血病灶区域的提取，得到眼底出血病灶的第二图像；对第一初始图像、第一图像和所述第二图像进行取交集处理，得到目标眼部图像对应的眼底出血病灶分割结果。提升了眼底出血病灶分割结果的准确性。提升了眼底出血病灶分割结果的准确性。提升了眼底出血病灶分割结果的准确性。
【技术实现步骤摘要】
眼底出血病灶提取方法及装置
[0001]本公开涉及计算机
，尤其涉及一种眼底出血病灶提取方法及装置。
技术介绍
[0002]在相关技术中，由于高血压、糖尿病、血管阻塞、外伤等原因，可能导致眼部受损，造成多种眼部病灶，例如，眼底出血等病灶，眼底出血的类型有很多，例如：糖尿病视网膜病变出血、高血压引起的出血、静脉阻塞眼底出血、玻璃体积血、视盘水肿出血等不明原因出血。然而，现有技术中对于眼底出血病灶的识别和分类通常依靠医生等人员进行人工判断，不仅会导致医生工作量较大，并且，对于病灶的分类和识别的难度较高，容易出现人为因素造成误识别或误分类。
[0003]公开于本申请
技术介绍
部分的信息仅仅旨在加深对本申请的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
[0004]本公开实施例提供一种眼底出血病灶提取方法及装置。
[0005]本公开实施例的第一方面，提供一种眼底出血病灶提取方法，包括：通过类别识别模型，对目标眼部图像中的眼底出血病灶进行类型识别，得到类型识别结果；在类型识别结果为所述眼底出血病灶属于第一类别的情况下，通过预训练的眼底出血病灶检测模型，对所述目标眼部图像进行检测，得到眼底出血病灶区域的第一初始图像；通过预训练的病灶分割模型，对所述第一初始图像进行分割，得到眼底出血病灶的第一图像；基于预设的图像处理算法，对所述目标眼部图像进行眼底出血病灶区域的提取，得到眼底出血病灶的第二图像；对所述第一图像和所述第二图像进行取交集处理，得到所述目标眼部图像对应的眼底出血病灶分割结果。
[0006]可选地，方法还包括：在类型识别结果为所述眼底出血病灶属于第二类别的情况下，通过预训练的眼底出血病灶检测模型，对所述目标眼部图像进行检测，得到眼底出血病灶区域的第二初始图像，其中，所述第二初始图像包括眼底出血病灶类别信息。
[0007]可选地，在对所述目标眼部图像进行检测之前，所述方法还包括：去除待处理眼部图像的背景区域，得到第一眼部图像；对所述第一眼部图像进行归一化处理，得到所述目标眼部图像。
[0008]可选地，通过预训练的病灶分割模型，对所述眼底出血病灶检测框进行分割，得到眼底出血病灶的第一图像，包括：对所述第一初始图像中由检测框框选的区域进行扩充，得到扩充区域；截取所述扩充区域对应的图像块；将所述图像块输入所述预训练的病灶分割模型中，得到所述图像块对应的眼底出血病灶的第一图像。
[0009]可选地，基于预设的图像处理算法，对所述目标眼部图像进行眼底出血病灶区域的提取，得到眼底出血病灶的第二图像，包括：对所述目标眼部图像进行预处理，从所述预
处理后的目标眼部图像中分割出亮度或饱和度符合预设阈值的目标区域；去除位于视盘区域内的所述目标区域，得到候选出血区域；基于候选出血区域的面积、圆度或边缘锐利度中的至少一者筛选出符合预设阈值的候选出血区域；基于所述候选出血区域灰度值与血管区域平均预设颜色通道灰度值之间不同大小关系，利用不同的处理算法确定眼底出血病灶的第二图像。
[0010]可选地，所述利用不同的处理算法确定眼底出血病灶的第二图像包括：如果所述候选出血区域灰度值小于等于所述血管区域平均预设颜色通道灰度值，则通过第一判断条件判断所述候选出血区域是否与血管连接，得到第一判断结果；基于所述第一判断结果，判断所述候选出血区域是否可以作为眼底出血病灶的第二图像；如果所述候选出血区域灰度值大于所述血管区域平均预设颜色通道灰度值，则基于血管区域的灰度值和/或颜色空间值，执行不同的预设规则确定眼底出血病灶的第二图像。
[0011]可选地，通过预训练的病灶分割模型，对所述初始图像进行分割之前，所述方法还训练病灶分割模型，包括：获取第一样本集，其中，所述第一样本集中的样本为眼底出血病灶的样本图像；通过标签标注的方式，确定所述第一样本集中样本对应的样本标签图像；将所述样本图像、所述样本对应的样本标签图像输入至预先建立的病灶分割模型中，以对预先建立的所述病灶分割模型进行训练。
[0012]可选地，所述方法还包括：对所述眼底出血病灶分割结果进行边界提取，得到眼底出血病灶的边界；将所述边界重叠于所述目标眼部图像，得到眼底出血病灶的重叠眼底图像。
[0013]本公开实施例的第二方面，提供一种眼底出血病灶提取装置，包括：类型识别模块，被配置成对目标眼部图像中的眼底出血病灶进行类型识别，得到类型识别结果；检测模块，被配置成在类型识别结果为所述眼底出血病灶属于第一类别的情况下，通过预训练的眼底出血病灶检测模型，对所述目标眼部图像进行检测，得到眼底出血病灶区域的第一初始图像；第一分割模块，被配置成通过预训练的病灶分割模型，对所述第一初始图像进行分割，得到眼底出血病灶的第一图像；第二分割模块，被配置成基于预设的图像处理算法，对所述目标眼部图像进行眼底出血病灶区域的提取，得到眼底出血病灶的第二图像；分割结果确定模块，被配置成对所述第一初始图像、第一图像和所述第二图像进行取交集处理，得到所述目标眼部图像对应的眼底出血病灶分割结果。
[0014]本公开实施例的第三方面，提供一种眼底出血病灶提取设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
[0015]本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现上述方法。
[0016]本实施例一种眼底出血病灶提取方法及装置，包括通过类别识别模型，对目标眼部图像中的眼底出血病灶进行类型识别，得到类型识别结果；在类型识别结果为所述眼底出血病灶属于第一类别的情况下，通过预训练的眼底出血病灶检测模型，对所述目标眼部图像进行检测，得到眼底出血病灶区域的第一初始图像；通过预训练的病灶分割模型，对所述第一初始图像进行分割，得到眼底出血病灶的第一图像；基于预设的图像处理算法，对所述目标眼部图像进行眼底出血病灶区域的提取，得到眼底出血病灶的第二图像；对所述第
一图像和所述第二图像进行取交集处理，得到所述目标眼部图像对应的眼底出血病灶分割结果。通过预先对眼底出血病灶进行类型识别，在此基础上针对不同类型的出血病灶进行不同方式的处理，进而让提升了出血病灶的分割精度；通过计算机视觉方法得到的第二图像来修正眼底出血病灶分割模型得到的第一图像，提升了眼底出血病灶分割结果的准确性。进而解决了相关技术中，出血病灶的识别和分类通常依靠医生等专业人员进行人工判断，不仅会导致医生工作量较大，并且对于病灶的分类和识别的难度较高，容易出现人为因素造成误识别或误分类的问题。
附图说明
[0017]图1示例性地示出本公开实施例的眼底出血病灶提取方法的流程示意图；
[0018]图2示例性地示出本公开实施例的眼部图像的示意图；
[0019]图3示例性地示出本公开实施例的眼底出血病灶检测框的示意图；
[0020]图4示例性地示出本公本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种眼底出血病灶提取方法，其特征在于，包括：通过类别识别模型，对目标眼部图像中的眼底出血病灶进行类型识别，得到类型识别结果；在类型识别结果为所述眼底出血病灶属于第一类别的情况下，通过预训练的眼底出血病灶检测模型，对所述目标眼部图像进行检测，得到眼底出血病灶区域的第一初始图像；通过预训练的病灶分割模型，对所述第一初始图像进行分割，得到眼底出血病灶的第一图像；基于预设的图像处理算法，对所述目标眼部图像进行眼底出血病灶区域的提取，得到眼底出血病灶的第二图像；对所述第一初始图像、第一图像和所述第二图像进行取交集处理，得到所述目标眼部图像对应的眼底出血病灶分割结果。2.根据权利要求1所述的眼底出血病灶提取方法，其特征在于，所述方法还包括：在类型识别结果为所述眼底出血病灶属于第二类别的情况下，通过预训练的眼底出血病灶检测模型，对所述目标眼部图像进行检测，得到眼底出血病灶区域的第二初始图像，其中，所述第二初始图像包括眼底出血病灶类别信息。3.根据权利要求1所述的眼底出血病灶提取方法，其特征在于，在对所述目标眼部图像进行检测之前，所述方法还包括：去除待处理眼部图像的背景区域，得到第一眼部图像；对所述第一眼部图像进行归一化处理，得到所述目标眼部图像。4.根据权利要求1所述的眼底出血病灶提取方法，其特征在于，通过预训练的病灶分割模型，对所述眼底出血病灶检测框进行分割，得到眼底出血病灶的第一图像，包括：对所述第一初始图像中由检测框框选的区域进行扩充，得到扩充区域；截取所述扩充区域对应的图像块；将所述图像块输入所述预训练的病灶分割模型中，得到所述图像块对应的眼底出血病灶的第一图像。5.根据权利要求1所述的眼底出血病灶提取方法，其特征在于，基于预设的图像处理算法，对所述目标眼部图像进行眼底出血病灶区域的提取，得到眼底出血病灶的第二图像，包括：对所述目标眼部图像进行预处理，从所述预处理后的目标眼部图像中分割出亮度或饱和度符合预设阈值的目标区域；去除位于视盘区域内的所述目标区域，得到候选出血区域；基于候选出血区域的面积、圆度或边缘锐利度中的至少一者筛选出符合预设阈值的候选出血区域；基于所述候选出血区域灰度值与血管区域平均预设颜色通道灰度值之间不同大小关系，利用不同的处理算法确定眼底出血病灶的第二图像。6...
【专利技术属性】
技术研发人员：王茜，董洲，凌赛广，柯鑫，
申请(专利权)人：依未科技北京有限公司，
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。