[发明专利]一种糖尿病性视网膜眼底图像病变检测方法

权利要求书

1.一种糖尿病性视网膜眼底图像病变检测方法，其特征在于，包括以下步骤：

(1)、通过眼底图像预处理，生成标准化的眼底图像；

(2)、对眼底图像进行区域划分，生成m张眼底不同区域的子图像；

(3)、利用多层卷积神经网络模型提取每张眼底子图像的区域深度特征；

(4)将区域深度特征作为长短期记忆神经网络输入，预测不同区域之间的相关性，生成眼底图像全局特征向量；

(5)将特征向量输入全连接神经网络，最后一层采用softmax层进行眼底图像的分类检测。

2.根据权利要求1所述的基于区域深度特征的糖尿病性视网膜眼底图像病变检测方法，其特征在于，步骤(1)中通过眼底图像预处理，生成标准化的眼底图像；具体步骤如下：

2.1)、图像归一化，将像素点的每个颜色通道缩放为零均值和单位方差，去除亮度强弱对结果造成的影响；

2.2)、根据Hough变换提取眼球轮廓，设定外界矩阵大小，并通过缩放，实现眼球轮廓对齐；

2.3)、对对齐后的眼底图像进行旋转变化，生成不同角度的图像，达到数据增量的目的，也减少角度问题带来的实验误差，最后经过裁剪，生成标准的眼底图像。

3.根据权利要求1所述的基于区域深度特征的糖尿病性视网膜眼底图像病变检测方法，其特征在于，步骤(3)中利用多层卷积神经网络模型提取每张眼底子图像的区域深度特征；具体步骤如下：

3.1)、将m张眼底子图像向量输入m个卷积神经网络；

3.2)、使用初始化的多个卷积核堆输入图像做卷积，得到每张眼底图像的区域卷积特征图像；

3.3)、经过若干卷积层对得到的卷积特征图像作2x2的最大池采样，获得最大池化层后的特征图像；

3.4)、经过若干次步骤3.2)和步骤3.3)，生成眼底图像不同区域的区域深度特征向量。

4.根据权利要求1所述的基于区域深度特征的糖尿病性视网膜眼底图像病变检测方法，其特征在于，步骤(4)和步骤(5)中将区域深度特征作为长短期记忆神经网络输入，利用不同区域之间的相关性，生成眼底图像全局特征向量，输入全连接神经网络，最后一层采用softmax层进行眼底图像的分类检测，具体步骤如下：

4.1)将m个卷积神经网络输出的区域深度特征向量输入长短期记忆神经网络；

4.2)经过长短期记忆神经网络三种“门”的结构作用，让信息选择性通过，以此学习相邻区域之间的相关性和依赖性；

4.3)经过若干层长短期记忆神经网络层，输出眼底图像全局特征向量；

4.4)将眼底图像全局特征向量经过全连接神经网络进行学习；

4.5)激活函数采用ReLU激活函数；

4.6)最后一层采用softmax进行各个类别分类预测。