【技术实现步骤摘要】
一种基于眼底检查影像的血管分割方法、装置和系统
[0001]本专利技术涉及到机器视觉及机器学习算法领域,具体涉及一种基于眼底检查影像的血管分割方法
、
装置
、
系统和计算机可读存储介质
。
技术介绍
[0002]目前,全球近视患病率高达
28.3%
,其中高度近视患病率将由目前的
4.0%
上升至
9.8%。
高度近视又分为单纯性高度近视和病理性近视
。
其中病理性近视指球镜度(
SE
)
≤
‑
6.00D
,和
(
或
)
眼轴大于
26.5mm
,近视度数不断增长,伴有导致视觉损害的眼底病变及其他致盲性眼病,最佳矫正视力(
BCVA
)往往低于正常值
。
病理性近视引发的视网膜病变已成为不可逆致盲性眼病的重要病因
。
[0003]随着医疗技术的进步,自动化与计算机辅助诊断的方法正在逐步应用于眼科领域
。
现有技术利用自动化系统对病理性近视进行识别时,常常是通过拍摄彩色眼底照片或光学相干断层扫描成像(
OCT
),根据眼底照片或
OCT
对视网膜小血管及毛细血管进行划分,再根据视网膜小血管及毛细血管的变化
、
结合眼轴长度及屈光度等因素来确定眼底周边是否发生病变
。
然而,目前的自动化系统 ...
【技术保护点】
【技术特征摘要】
1.
一种基于眼底检查影像的血管分割方法,其特征在于,包括:步骤一,采集眼底检查影像数据;步骤二,对所述眼底检查影像数据进行预处理;所述预处理包括去噪
、
对比度增强和颜色标准化,用于减少噪声并提升图像质量;步骤三,基于所述影像数据中检测目标在空间上互信息最大的位置,得到所述检测目标的最佳配准;步骤四,利用预设图像处理方法提取配准后影像数据中的血管特征,所述血管特征包括边缘
、
纹理
、
颜色和强度梯度;步骤五,从步骤四中的血管特征中选取部分数据作为训练集和测试集,建立基于机器学习神经网络模型,利用所述训练集训练所述神经网络模型,利用测试集测试训练好的所述神经网络模型,最后利用所述网络模型输出血管分割结果;其中,所述网络模型基于
U
‑
Net
改进网络构建,所述
U
‑
Net
改进网络包括收缩网络和扩张网络两个部分,所述收缩网络包含捷径层,并将作为模型的损失函数:;式中,
X
表示分割点预测值,
Y
表示分割点参考值,
N
表示输入个数,表示模型之间的相似程度
。2.
根据权利要求1所述的基于眼底检查影像的血管分割方法,其特征在于,所述眼底检查影像数据至少包括彩色眼底照片和光学相干断层扫描(
OCT
)图像
。3.
根据权利要求1所述的基于眼底检查影像的血管分割方法,其特征在于,所述图像预处理步骤还包括图像增强步骤,用于增强眼底检查影像数据的对比度和清晰度
。4.
根据权利要求1所述的基于眼底检查影像的血管分割方法,其特征在于,所述步骤四还包括对眼底检查影像数据的原始数据进行边缘
、
纹理
、
颜色
、
强度梯度上的特征提取
。5.
根据权利要求1所述的基于眼底检查影像的血管分割方法,其特征在于,所述步骤五采用
Adam
优化算法来调整模型参数及残差网络提升网络深度
。6.
根据权利要求1所述的基于眼底检查影像的血管分割方法,其特征在于,该方法还包括步骤六,根据新的眼部影像数据对已训练的模...
【专利技术属性】
技术研发人员:严棽棽,周海英,纪海霞,余海澄,
申请(专利权)人:首都医科大学附属北京同仁医院,
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。