[发明专利]一种基于视神经眼底图像的视神经疾病分类装置

说明书

本发明公开了一种基于视神经眼底图像的视神经疾病分类装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机存储器中存有视神经疾病分类模型，所述计算机处理器执行所述计算机程序时实现以下步骤：将待分类的眼底图像进行去燥平滑，像素归一化以及统一图像尺寸处理，获得眼底输入图像；将该眼底输入图像输入至视神经疾病分类模型中，经计算，输出眼底输入图像的视神经疾病分类；所述视神经疾病分类模型是以稠密块、过渡块、全局均值池化层以及全连接层构成的视神经疾病分类网络，经训练得到。该视神经疾病分类装置能够对眼底图像进行神经眼科病变的分类。

技术领域

本发明属于图像处理技术领域，一种基于视神经眼底图像的视神经疾病分类装置。

背景技术

视神经炎是视神经任何部位发炎的总称，临床上根据病变损害发病的部位不同，将其分为球内和球后两种，前者指视乳头炎，后者指球后神经炎，视乳头炎大多为单侧性；视盘血管炎是指视盘局部的炎症，多发生在儿童或青壮年，以双眼多见，预后较好。常见于全身性急性或慢性传染病；视乳头水肿是视神经乳头无原发性炎症的被动性充血水肿，表现为视乳头充血、隆起及边缘模糊；视盘血管炎指视盘局部的炎症，以双眼多见；视神经萎缩指视网膜神经节细胞和其轴突发生病变，致使视神经全部变细的一种形态学改变，视力减退甚至消失。

上述视神经疾病在眼底图像上都有一定特征，传统的分类方法依赖医生对眼底图像特征的提取与判别，故分类的准确性依赖于医生的主观经验，对于大量眼底图像数据的分类需要耗费医生大量时间和精力，且分类的准确率不够稳定。深度学习方法能够很好的从眼底图像中学习到最具代表性的特征，对图像数据进行自动判别分类，而不是由医生来指定特征。随着大数据和精准医学时代的到来，基于深度学习能够准确地判别神经眼科疾病的类别。

针对视神经疾病，可以采用基因针对方法，公开号为CN104046687A的专利申请公开的一种Leber遗传性视神经疾病基因诊断试剂盒。该视神经疾病基因诊断试剂盒检测不方便，迫切地需要一种智能的视神经疾病分类检测方法。

发明内容

本发明提供了一种基于视神经眼底图像的视神经疾病分类装置，该视神经疾病分类装置能够对眼底图像进行神经眼科病变的分类。

本发明的技术方案为：

一种基于视神经眼底图像的视神经疾病分类装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有视神经疾病分类模型，所述计算机处理器执行所述计算机程序时实现以下步骤：

将待分类的眼底图像进行去燥平滑，像素归一化以及统一图像尺寸处理，获得眼底输入图像；

将该眼底输入图像输入至视神经疾病分类模型中，经计算，输出眼底输入图像的视神经疾病的分类；

所述视神经疾病分类模型是以稠密块、过渡块、全局均值池化层以及全连接层构成的视神经疾病分类网络，经训练得到。

具体地，所述视神经疾病分类模型的构建方法为：

构建训练样本集，收集并分类眼底图像，并对眼底图像进行去燥平滑，像素归一化、统一图像尺寸以及眼底图像增广处理，获得训练样本集；