[发明专利]糖尿病视网膜病变眼底照相标准图像生成方法

说明书

技术领域

本发明涉及一种医学图像处理领域，尤其是涉及一种糖尿病视网膜病变眼底照相标准图像生成方法，用于人工智能医疗诊断。

背景技术

糖尿病视网膜病变(Diabetic Retinopathy，DR)是常见致盲性眼病。中国是全球2型糖尿病患者最多的国家，DR的患病率、致盲率也逐年升高，是目前工作年龄人群第一位的致盲性疾病。目前我国DR在糖尿病罹患人群中的患病率为24.7％～37.5％。根据国际糖尿病联盟统计结果显示，截至2015年，我国糖尿病患者约1.1亿人，按此推算我国DR患者约2700万人，随着糖尿病患者的大幅增多，未来的DR患者数量会成倍增长，DR的防治成为越来越重要的社会问题。而据卫计委统计，我国目前有3.2万名眼科医生，其中，从事眼底医疗服务和研究的医生大约800-1000人，相对于1亿多的糖尿病患者来说，眼科医生严重不足，导致我国糖网病筛查率不足10％，要改变这个现状，可通过人工智能诊断清晰标注的DR眼底照片来解决。

目前，87％的糖尿病患者就诊于县级及以下医疗机构。已研发的DR智能辅助诊断模型训练所使用的DR眼底照相图像均来自于具有良好眼底照相设备和良好DR采集水平医师的大型三级甲等医院，成像质量较高。但是承担大量DR筛查任务的基层眼科，专业设备和专业眼科医师的匮乏，使获取的DR眼底照相图像清晰度和摄影角度等都很难达到DR智能辅助诊断输入要求的理想状态。如何由不标准的DR眼底图像生成标准的DR眼底图像，是需要解决的一个问题。

中国专利(申请号：CN201410078378)公开一种糖尿病视网膜病变的眼底图像特征提取方法，该方法包括以下步骤：(1)眼底图像RGB通道选择；(2)眼底图像视盘定位；(3)对眼底图像进行硬性渗出特征及棉絮斑特征提取，若发现至少一种特征，即生成提取后的眼底图像，若未发现特征，则进行微动脉瘤特征和视网膜内出血特征提取，再生成提取后的眼底图像。

中国论文：糖尿病视网膜病变图像的血管提取方法(作者：单玲玉，2015年5月)，该方法包括：(1)对彩色视网膜图像进行预处理，得到血管与背景部分对比度较高的绿通道图像；(2)对绿通道图像分别进行病变检测处理及图像增强；(3)基于步骤(2)得到病变检测结果，然后对病变区域进行分割；(4)基于步骤(2)得到的增强图像，通过对已有视网膜血管分割方法进行对比，然后结合血管的结构特性——越往末梢越细，仅使用一种阈值分割方法不能有效的分割出细小血管，提出了一种基于全局阈值与局部阈值的视网膜血管分割方法对其进行处理，得到初步的血管分割结果；(5)基于步骤(3)得到的硬性渗出分割结果，将其从步骤(4)中的血管分割结果中去除，然后通过对病变区域内断裂的血管根据梯度强度和方向相似的原则进行连接，得到精确的血管分割结果。

然而，上述现有技术存在共同缺陷就是没有对初次采集的图像(也就是不标准眼底图像)进行二次加工处理，以生成的标准图像清晰度达到智能辅助诊断系统要求，提高诊断正确率的目的。通过本技术，可以去除不标准图像中的干扰因素，保留糖尿病视网膜病变眼底照相图像的病变特征，以用于人工智能医疗诊断。

发明内容

针对基层医院专业设备和专业眼科医师的匮乏，使获取的DR眼底照相图像清晰度和摄影角度等都很难达到DR智能辅助诊断输入要求的理想状态的问题，本发明将利用深度学习中GAN技术，将基层不同眼科设备获取的DR眼底照相图像优化提升成标准图像，去除不标准图像中的干扰因素，保留糖尿病视网膜病变眼底图像的病变特征，达到DR智能辅助诊断系统的输入图像标准要求，从而获得较好的诊断结果。因此本发明公开了一种糖尿病视网膜病变眼底照相标准图像生成方法，以解决现有技术中存在的不足。其技术方案如下：

一种糖尿病视网膜病变眼底照相标准图像生成方法，包括如下步骤：

步骤(1)、将采集的不标准眼底图像通过生成模型生成新样本图像；

步骤(2)、新样本图像局部特征提取；

步骤(3)、将不标准图像局部特征与标准图像局部特征在判别模型中对比，一致则输出新样本图像，即生成的标准图像，不一致则调整新样本图像。

有益效果：本发明提出的方法简单有效，生成的标准图像清晰度达到智能辅助诊断系统要求，提高诊断正确率。

附图说明

图1为没有经过本发明处理的图像。

图2为经过本发明方法处理后的标准图像。

图3为本发明糖尿病视网膜病变眼底照相标准图像生成方法流程框图。

具体实施方式

一种糖尿病视网膜病变眼底照相标准图像生成方法，包括如下步骤：