【技术实现步骤摘要】
本专利技术涉及图像处理，具体而言，涉及一种优化眼部医学图像的方法、装置和存储介质。
技术介绍
1、在眼科医疗项目中，通过获取目标部位的医学图像进行病情研判（检测）是不可或缺的一个重要环节，例如在睑板腺检测项目中：睑板腺埋藏于眼睑之内侧，其开口位于睑缘，具有分泌各种脂质成分，形成脂质层，防止泪液过度蒸发的功能。睑板腺的数量和形态一旦发生异常，往往就会导致睑板腺油脂分泌异常，泪膜稳定性下降，最终发生睑板腺功能障碍，这是蒸发过强型干眼症的主要病因，干眼症严重影响人们的正常生活。现有技术中，利用医学图像对睑板腺进行检测的方式主要包括：通过拍摄睑板腺图像并采用传统的图像处理技术，从整体图像中分割和提取出睑板腺腺体来自动统计睑板腺的形态结构和数量。该检测方式虽能够较为客观的反应睑板腺的情况，且操作快速简单、患者的不适感小；但在实现本专利技术的过程中专利技术人发现：由于眼睑内表面覆盖着有起保护和湿润作用的油脂层，睑板腺成像过程中很容易产生表面反射而形成高光亮斑，受高光亮斑区域的影响，导致传统的图像处理方法难以快速有效地提取睑板腺腺体，检测误差较大。伴随着深度学习在图像处理领域的快速发展，各种卷积神经网络纷纷被用来提升图像检测的效率。然而，大部分深度学习网络是强监督学习，需要大量的成对的标注图像构成训练样本。在医学领域，它要求同一患者同一部位同时拍下两张图片，一张有反光，一张无反光，其他完全相同，这是很难实现的，即深度学习在医学图像尤其是睑板腺检测和识别中的应用受到了很大限制。因此，如何设计一种更适用于眼部医学图像的图像处理方案，优化眼部医学图
技术实现思路
1、本专利技术旨在至少解决现有技术或相关技术中存在的技术问题之一，公开了一种优化眼部医学图像的方法、装置和存储介质，考虑到眼部医学图像的特殊性，增强眼部医学图像的细节表现力，进而提高了检测精度。
2、本专利技术的第一方面公开了一种优化眼部医学图像的方法，包括：获取眼部图像；对眼部图像中存在镜面反射现象（即反光现象）的区域进行检测，确定反射区域；根据反射区域生成掩膜；利用循环生成对抗网络生成掩膜覆盖区域的图像，即生成图像；保留眼部图像的掩膜之外的部分，与生成图像融合成为优化图像；其中，循环生成对抗网络的输入图像包括眼部图像所显示的眼部区域的多个图像；循环生成对抗网络具有由局部判别器和全局判别器构成的双判别器模块，双判别器模块既考虑到了图片映射中宏观上的相似性，同时对关键细节进行针对性的考量，指导生成器对输入图像的若干区域进行不同程度的增强，以提升生成图像在全局和关键细节上的图像质量。
3、在该技术方案中，基于改进的循环生成对抗网络（cyclegan）即弱监督模型，学习有反光和无反光图像的跨域映射函数，不再需要使用成对图像进行训练，而可以接受同一患者不同时间拍摄的同类图像作为输入。模型能够捕捉到上下文和语义信息，因而输出的图像在内容和结构上与输入内容类似。考虑到眼部医学图像的特点（大多存在反光现象），cyclegan需要对输入图像的若干局部区域与其他部分进行不同的增强，例如，对于整体黑暗背景中的小型亮斑区域，传统cyclegan中单独的全局图像判别器通常无法提供所需的自适应性，所以本专利技术为了自适应增强局部区域而改进判别器结构，采用全局-局部双判别器结构，局部判别器和全局判别器都基于patchgan进行鉴别。
4、根据本专利技术公开的优化眼部医学图像的方法，优选地，确定反射区域的步骤，具体包括：利用边缘检测算法检测出亮度变化剧烈的边界，根据边界确定反射区域，和/或将亮度高于设定阈值的区域确定为反射区域。
5、根据本专利技术公开的优化眼部医学图像的方法，优选地，融合的步骤具体包括：将眼部图像的掩膜部分设置为单色色块，作为第一图像；将循环生成对抗网络的输出图像的非掩膜部分设置为单色色块，作为第二图像；合并第一图像和第二图像。
6、根据本专利技术公开的优化眼部医学图像的方法，优选地，局部判别器和全局判别器基于patchgan算法实施鉴别任务；其中，局部判别器从清晰图像以及生成器的输出图像中随机裁剪局部块，学习区分局部块是来自清晰图像或来自生成器输出的图像，清晰图像为输入图像中不存在镜面反射现象的图像；全局判别器从输入图像中提取特征，生成一个n*n矩阵与生成器的输出图像进行比较，从而形成全局比较的概念，考虑全局感受野信息的差异。通过在全局和局部细节两个尺度判别图像，既能指导图像生成的整体相似性，又指导对反光局部进行针对性的着重增强，使得生成图像在细节上也更接近真实情况。
7、根据本专利技术公开的优化眼部医学图像的方法，优选地，边缘检测算法基于canny边缘检测算法进行改进，边缘检测的具体过程包括：对眼部图像进行表面模糊处理以过滤噪声；采用scharr 算子计算梯度；根据梯度的方向，比较此方向上的相邻点，抑制非最大值；根据双阈值分类得到强边缘、虚边缘、非边缘；连接强边缘的虚边缘为边缘，不连接强边缘的为弱边缘，对弱边缘进行抑制。
8、根据本专利技术公开的优化眼部医学图像的方法，优选地，表面模糊处理的步骤表示为：
9、
10、其中，mij 代表矩阵中的每个元素值，pij 代表矩阵中每个元素对应的像素分量值，p0 代表矩阵中心的像素分量值，t 表示阈值，表示矩阵元素对应像素分量值与中心元素对应像素分量值的绝对差；如果 mij 的值小于 0，则将mij设为 0。
11、根据本专利技术公开的优化眼部医学图像的方法，优选地，输入图像与待处理的眼部图像为同一患者的眼部图像。
12、根据本专利技术公开的优化眼部医学图像的方法，优选地，眼部图像为睑板腺图像。
13、本专利技术的第二方面公开了一种优化眼部医学图像的装置，包括：存储器，用于存储程序指令；处理器，用于调用存储器中存储的程序指令以实现如上述任一技术方案的优化眼部医学图像的方法。
14、本专利技术的第三方面公开了一种计算机可读存储介质，该计算机可读存储介质存储有程序代码，程序代码用于实现如上述任一技术方案的优化眼部医学图像的方法。
15、本专利技术的有益效果至少包括：采用改进后的循环对抗生成网络对眼部医学图像中存在镜面反射现象的区域进行重建，得到清晰的眼部图像，有助于进行病情研判，本专利技术提供的图像处理方案无需成对的图片进行模型训练，相较于传统的图像处理方法、强监督的深度学习方法，本专利技术提供的方案更适用于医学图像的处理。通过使用全局-局部双判别器结构，使得输入图像有若干局部区域（反光区域）与图像其他部分（除反光以外的其他区域）有不同程度的增强，能关注到更多细节，伴随着判别器的判别能力的提高，生成器生成能力也会提高，基于输入一张反光的图像，生成器能够生成一张无反光的图像，那么随着生成器的生成能力的提高，它生成的图像就更接近真实的图像，修复得到的图像越接近理想的无反光清晰图像。在睑板腺成像图像常存在因光照角度、睑板表面成像区域不规则等因素导致图像光照不均匀、以及腺体与非腺体区域对比度低的情况下，使用全局-局本文档来自技高网...
【技术保护点】
1.一种优化眼部医学图像的方法，其特征在于，包括：
2.根据权利要求1所述的优化眼部医学图像的方法，其特征在于，所述确定反射区域的步骤，具体包括：利用边缘检测算法检测出亮度变化剧烈的边界，根据边界确定所述反射区域，和/或将亮度高于设定阈值的区域确定为反射区域。
3.根据权利要求1所述的优化眼部医学图像的方法，其特征在于，融合的步骤具体包括：
4.根据权利要求1所述的优化眼部医学图像的方法，其特征在于，所述局部判别器和所述全局判别器基于PatchGAN算法实施鉴别任务；其中，所述局部判别器从清晰图像以及生成器的输出图像中随机裁剪局部块，学习区分所述局部块是来自清晰图像或来自生成器输出的图像，所述清晰图像为输入图像中不存在镜面反射现象的图像；所述全局判别器从输入图像中提取特征，生成一个N*N矩阵与生成器的输出图像进行比较，从而形成全局比较的概念，考虑全局感受野信息的差异。
5.根据权利要求2所述的优化眼部医学图像的方法，其特征在于，所述边缘检测算法基于Canny边缘检测算法进行改进，边缘检测的具体过程包括：
6.根据权利要求
7.根据权利要求1至6中任一项所述的优化眼部医学图像的方法，其特征在于，所述输入图像与待处理的眼部图像为同一患者的眼部图像。
8.根据权利要求1至6中任一项所述的优化眼部医学图像的方法，其特征在于，所述眼部图像为睑板腺图像。
9.一种优化眼部医学图像的装置，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有程序代码，所述程序代码用于实现如权利要求1至8中任一项所述的优化眼部医学图像的方法。
...【技术特征摘要】
1.一种优化眼部医学图像的方法，其特征在于，包括：
2.根据权利要求1所述的优化眼部医学图像的方法，其特征在于，所述确定反射区域的步骤，具体包括：利用边缘检测算法检测出亮度变化剧烈的边界，根据边界确定所述反射区域，和/或将亮度高于设定阈值的区域确定为反射区域。
3.根据权利要求1所述的优化眼部医学图像的方法，其特征在于，融合的步骤具体包括：
4.根据权利要求1所述的优化眼部医学图像的方法，其特征在于，所述局部判别器和所述全局判别器基于patchgan算法实施鉴别任务；其中，所述局部判别器从清晰图像以及生成器的输出图像中随机裁剪局部块，学习区分所述局部块是来自清晰图像或来自生成器输出的图像，所述清晰图像为输入图像中不存在镜面反射现象的图像；所述全局判别器从输入图像中提取特征，生成一个n*n矩阵与生成器的输出图像进行比较，从而形成全局...
【专利技术属性】
技术研发人员：吴逸清，高成森，王得金，张钟旭，
申请(专利权)人：美迪信天津有限责任公司，
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。