[发明专利]一种糖尿病性视网膜眼底图像病变检测方法

说明书

本发明公开了一种糖尿病性视网膜眼底图像病变检测方法，首先对医学眼底图像进行预处理，生成标准化的眼底图像；然后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。接着利用多层区域卷积神经网络模型提取眼底子图像的区域深度特征向量，将区域深度特征向量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；最后通过全连接层和softmax实现对眼底图像的多分类检测。本发明基于网上可爬取到的视网膜眼底图像及标签，根据眼底图像的区域深度特征和相邻区域之间的相关性，利用卷积神经网络和递归神经网络算法进行糖尿病视网膜病变的自动检测，有效地提高了检测的准确性和时效性。

技术领域

本发明属于图像识别技术领域，更为具体地讲，涉及一种糖尿病性视网膜眼底图像病变检测方法

背景技术

糖尿病视网膜病变时美国和欧洲人口中最重要的致病眼疾。据世界卫生组织预测，到2030年，全球视网膜病变患者将增加到3.66亿，糖尿病防治将成为一个更为严重的世界性问题。

研究表明，对糖尿病视网膜病变患者进行早期诊断和治疗能有效防止视觉的损失以及失明，而防治的关键则是通过眼底照相检查，定期随访发现病情的进展，及时进行激光干预治疗。但是目前世界上超过50％的患者没有接受任何形式的眼部检查，基于眼底图像的糖尿病视网膜病变检查工作基本还是靠眼科医生的肉眼观察进行。

近年来，随着计算机辅助诊断技术的发展，基于计算机视觉的相关技术已经在肝脏疾病、呼吸系统疾病的影像诊断中得到开发和应用。基于深度学习的糖尿病视网膜病变自动检测正是基于大规模检测的需求，通过深度学习技术来辅助医生判别病变指标，智能分析患者的疾病信息，从而实现糖尿病视网膜病变的大规模自动筛查。

发明内容

本发明的目的在于克服现有技术的不足，提供一种糖尿病性视网膜眼底图像病变检测方法，基于区域深度特征进行检测，以提高视网膜病变检测的准确性和时效性。

为实现上述发明目的，本发明糖尿病性视网膜眼底图像病变检测方法，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

1.1)、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；

1.2)通过Hough变换，检测眼底图像的眼球轮廓：检测图像中的边缘点，并保存其坐标位置(x,y)。设置角度theta的变化范围和步长，半径r的变换范围和步长,利用公式x＝a+rcos(theta),y＝b+rsin(theta)求出对应的圆心坐标(a,b)；

1.3)、确定眼球轮廓外接矩阵的大小，对数据集中的所有图像进行等比例缩放；

1.4)、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；

(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

每张眼底图像分割成9张相同大小的区域子图像；

(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

3.1)、将m张眼底子图像向量输入m个卷积神经网络(Convolutional NeuralNetwork,CNN)；

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；