[发明专利]眼底出血点的自动检测方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种眼底出血点的自动检测方法，该方法包括：采集眼球的眼底图像数据，并对所采集的眼底图像执行数据处理操作；利用所述眼底图像数据制作训练样本；利用上述得到的训练样本执行眼底出血点检测模型的训练；及利用上述训练好的眼底出血点检测模型计算眼底图像中眼底出血点的概率值，执行眼底图像的出血点检测。本发明还提出一种装置以及一种计算机可读存储介质。本发明可以实现眼底出血点的自动检测。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种眼底出血点的自动检测方法、装置及计算机可读存储介质。

背景技术

糖尿病视网膜病变是一种主要的致盲疾病，然而糖尿病患者如果能及时发现并且获得规范的治疗，多数可以摆脱失明的危险。几乎所有的眼病都可能发生在糖尿病患者身上。如眼底血管瘤、眼底出血、泪囊炎、青光眼、白内障、玻璃体浑浊、视神经萎缩、黄斑变性、视网膜脱落。而眼底出血点是判断糖尿病视网膜病严重程度重要的一个指标，出血点的判断是糖尿病视网膜病变自动筛选的关键第一步。

目前，已有很多学者对出血点的检测进行了研究，主要方法有3种：一是数学形态学方法，首先利用形态学填充的方法检测红色病灶，后使用形态学高帽变换方法得到出血点；二是分类器方法，Li等科学研究者提出了一种基于网格特征分类的视网膜大面积出血的检测方法，首先对眼底图像中每个像素进行分类，分割出血管和红色病灶，再利用K近邻分类得到真正的红色病灶区；三是灰度分析方法，利用基于背景估计的方法及欧氏距离分类器检测出血点，再使用背景估计建立了一个DR自动诊断系统，最后使用局部灰度分析的方法找到红色病灶的候选区，然后利用分类器实现红色病灶的自动检测。

虽然上述方法均实现了出血点的自动检测，但存在误检率高、漏检率高、运算复杂等问题。此外，时间复杂度高，窗口冗余，且手工设计的特征对于多样性的变化并没有很好的鲁棒性，总体来说，对眼底出血点的检测难以达到较高的准确率。

发明内容

本发明提供一种眼底出血点的自动检测方法、装置及计算机可读存储介质，其主要目的在于提供一种实现眼底出血点的自动检测方案。

本发明所述眼底出血点的自动检测包括：

采集眼球的眼底图像数据，并对所采集的眼底图像执行数据处理操作；

利用所述眼底图像数据制作训练样本；

利用上述得到的训练样本执行眼底出血点检测模型的训练；及

利用上述训练好的眼底出血点检测模型计算眼底图像中眼底出血点的概率值，执行眼底图像的出血点检测。

可选地，所述数据处理操作包括：

通过裁减所述眼底图像中的背景，得到包含目标区域的眼底图像及对所述目标区域进行归一化处理，其中：

所述通过裁减所述眼底图像中的背景，得到包含目标区域的眼底图像包括：

A、随机选择一个初始估计阈值T；

B、利用所述初始估计阈值T，根据像素分布，把眼底图像分为R1和R2两个像素区域；

C、对区域R1和R2中的所有像素计算平均灰度值u1和u2；

D、由公式：计算出新的阈值；

E、重复上述的步骤B-D,直到逐次迭代所得的阈值T值小于预先定义的参数，并根据该阈值T，得到所述眼底图像中的背景图像和目标区域；及

对所述目标区域进行归一化处理是采用线性函数转换法：

y＝(x-MinValue)/(MaxValue-MinValue)，

其中，x、y分别为转换前、后的像素值，MaxValue、MinValue分别为样本的最大像素值和最小值像素值。