一种基于视觉双通路认知机制的眼底图像检测方法技术

本发明专利技术公开一种基于视觉双通路认知机制的眼底图像检测方法，应用于图像检测领域，针对现有眼底图像检测方法，检测结果单一，检测准确率较低的问题；本发明专利技术提出一种用于多种眼部疾病图像检测的并行多路径网络，称为PMP‑OD，集成了多种常见眼部疾病图像的检测，包括白内障、青光眼、糖尿病视网膜病变和病理学近视；具体检测过程为：眼底图像的自下而上(低级)特征由模拟非选择性通路的通用卷积模块(眼底特征提取)提取；同时，自上而下(高级)的视网膜血管特征由模拟选择性通路的血管特征提取模块提取；然后，通过基于注意力机制的特征融合模块对特征进行融合；最后，疾病分类器根据集成的多特征给出预测结果。

【技术实现步骤摘要】

本专利技术属于图像检测领域，特别涉及一种眼底图像检测技术。

技术介绍

1、近年来，因各种眼疾致盲的人数呈上升趋势。在许多地方，60％以上的成年人失明主要是由五种眼病引起的：糖尿病视网膜病变、白内障、青光眼、高度近视和年龄相关性黄斑变性。通过早期筛查和治疗，绝大部分不可逆的视力丧失是可以避免的，部分眼疾患者甚至可以重见光明。视网膜眼底成像是一种常见的筛查技术，需要具有眼科专业知识的专家在眼底图像上手动识别可能的疾病状况。但很多地区筛查基数大，眼科医师相对较少，很难实现大规模的疾病早期筛查。因此，计算机辅助诊断(computer-aided diagnosis，cad)自动检测眼部疾病成为趋势，这将有助于普及眼部疾病筛查，有效减轻医生的工作量。

2、然而，现有的眼部图像检测方法大多针对某一种疾病，如糖尿病视网膜病变，青光眼，白内障，近视等。这样的系统可能不适合普通大众的实际眼病筛查场景，因为普通人患有不止一种眼病，所以需要实现多种疾病的同时检测。

技术实现思路

1、为解决上述技术问题，本专利技术提出一本文档来自技高网...

【技术保护点】

1.一种基于视觉双通路认知机制的眼底图像检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于视觉双通路认知机制的眼底图像检测方法，其特征在于，步骤S1所述的训练数据集中至少包括：正常眼底图像、白内障眼底图像、青光眼眼底图像、糖尿病眼底图像和近视眼底图像。

3.根据权利要求2所述的一种基于视觉双通路认知机制的眼底图像检测方法，其特征在于，步骤S2中的并行多路径眼部疾病图像检测网络结构包括：眼底特征提取分支、血管特征提取分支、特征融合模块、分类器；输入的眼底图像分别经眼底特征提取分支、血管特征提取分支，得到眼底特征、血管特征；眼底特征与血管特征经特征融合模块...

【技术特征摘要】

1.一种基于视觉双通路认知机制的眼底图像检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于视觉双通路认知机制的眼底图像检测方法，其特征在于，步骤s1所述的训练数据集中至少包括：正常眼底图像、白内障眼底图像、青光眼眼底图像、糖尿病眼底图像和近视眼底图像。

3.根据权利要求2所述的一种基于视觉双通路认知机制的眼底图像检测方法，其特征在于，步骤s2中的并行多路径眼部疾病图像检测网络结构包括：眼底特征提取分支、血管特征提取分支、特征融合模块、分类器；输入的眼底图像分别经眼底特征提取分支、血管特征提取分支，得到眼底特征、血管特征；眼底特征与血管特征经特征融合模块得到融合特征，将融合特征输入分类器得到分类结果。

4.根据权利要求3所述的一种基于视觉双通路认知机制的眼底图像检测方法，其特征在于，眼底特征提取分支依次包括四个阶段，第一个阶段依次包括转置卷积、组归一化、relu和maxpool操作；第二阶段、第三阶段、第四阶段分别包括卷积块和不同数量的标识块。

5.根据权利要求4所述的一种基于视觉双通路认知机制的眼底图像检测方法，其特征在于，血管特征提取分支依次包括第一下采样模块、上采样模块以及第...

【专利技术属性】
技术研发人员：邓涛，黄怡，杨城凡，赵春宇，陈晟祺，刘浩然，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：