【技术实现步骤摘要】
基于SwinIR和YOLOv8的FFA图像眼底微动脉瘤检测方法及系统
[0001]本专利技术涉及医学影像处理
,尤其涉及基于
SwinIR
和
YOLOv8
的
FFA
图像眼底微动脉瘤检测方法及系统
。
技术介绍
[0002]糖尿病视网膜病变
(Diabetic Retinopathy
,
DR)
是糖尿病造成的眼底微血管病变之一,是造成全世界人群失明的主要原因
。
糖尿病视网膜病变的主要原因是血糖升高导致血管壁的改变,其最初表现为微小的毛细血管扩张,即微动脉瘤
(Microaneurysm
,
MA)。MA
主要分布于内核层和深部毛细血管层,它常作为多种视网膜或全身疾病的早期临床表现,包括糖尿病视网膜病变
、
视网膜静脉阻塞和感染等
。
在眼底图像中,
MA
表现为细小血管附近的小圆点,在
DR
的早期阶段,它们可能是唯一的病变
。
因此,
MA
的准确检测对
DR
的预防和诊断治疗非常重要
。
[0003]卷积神经网络
(CNN)
是一种深度学习算法,它通过多层卷积和池化操作从图像中提取特征,并利用全连接层进行分类或回归任务
。CNN
在图像处理领域取得了巨大成功,并广泛应用于目标检测和语义分割等任务
。< ...
【技术保护点】
【技术特征摘要】
1.
一种基于
SwinIR
和
YOLOv8
的
FFA
图像眼底微动脉瘤检测方法,其特征在于,该方法包括:获取样本
FFA
眼底图像,对样本
FFA
眼底图像进行预处理以获得样本图像数据;利用
SwinIR
对样本图像数据进行两次超分辨率重建,以获得不同分辨率的第一图像数据和第二图像数据;利用样本图像数据
、
第一图像数据和第二图像数据对
YOLOv8
模型进行迁移学习训练;其中,所述
YOLOv8
模型增加有
MA
检测层;且
YOLOv8
模型中的
CIoU
边界框回归损失使用
Wise
‑
IoU
边界框回归损失替换;使用训练好的
YOLOv8
模型对待检测
FFA
图像中的微动脉瘤进行检测,并计算微动脉瘤的实际面积
。2.
如权利要求1所述的基于
SwinIR
和
YOLOv8
的
FFA
图像眼底微动脉瘤检测方法,其特征在于,所述获取样本
FFA
眼底图像,并对样本
FFA
眼底图像进行预处理以获得样本图像数据,包括:获取糖尿病视网膜病变患者的荧光素钠血管造影检查的样本
FFA
眼底图像;对样本
FFA
眼底图像进行去噪处理,以获得第一样本图像数据;对第一样本图像数据上的微动脉瘤进行标注处理;将标注处理后的第一样本图像数据中的原始图像的像素调整为第一预设像素,以获得样本图像数据
。3.
如权利要求2所述的基于
SwinIR
和
YOLOv8
的
FFA
图像眼底微动脉瘤检测方法,其特征在于,第一预设像素为
768*768
像素
。4.
如权利要求2所述的基于
SwinIR
和
YOLOv8
的
FFA
图像眼底微动脉瘤检测方法,其特征在于,所述利用
SwinIR
对样本图像数据进行两次超分辨率重建,以获得不同分辨率的第一图像数据和第二图像数据,包括:获取样本图像数据;使用
SwinIR
对样本图像数据进行第一超分辨率重建,以获得第一图像数据;使用
SwinIR
对样本图像数据进行第二超分辨率重建,以获得第二图像数据
。5.
如权利要求1所述的基于
SwinIR
和
YOLOv8
的
FFA
图像眼底微动脉瘤检测方法,其特征在于,所述利用样本图像数据
、
第一图像数据和第二图像数据对
YOLOv8
模型进行迁移学习训练,包括:利用样本图像数据对
YOLOv8
模型进行一次训练,以获得
YOLOv8
模型的第一训练权重;保留第一训练权重,利用第一图像数据对
YOLOv8
模型进行二次训练,以获得
YOLOv8
模型的第二训练权重;保留第二训练权重,利用第二图像数据对
YOLOv8
模型进行三次训练,以获得最终的检测模型
。6.
如权利要求1所述的基于
SwinIR
和
YOLOv8
的
FFA
图像眼底微动脉瘤检测方法,其特征在于,
YOLOv8
模型增加
MA
检测层的具体步骤包括:利用最近邻插值进行上采样获得来自
YOLOv8
的
FPN
结构中具有更强语义特征的深层特征图,并将深层特征图与来自骨干网络
P2
层的浅层特...
【专利技术属性】
技术研发人员:王振华,张博为,蒋沁,商卫红,颜标,白云,李秀苗,
申请(专利权)人:南京医科大学眼科医院,
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。