[发明专利]视网膜微动脉瘤自动检测方法及成像方法

权利要求书

1.一种视网膜微动脉瘤自动检测方法，包括如下步骤：

S1.获取原始视网膜彩色眼底图像，并进行标记；

S2.针对步骤S1获取并标记的原始视网膜彩色眼底图像，提取通道分量和感兴趣区域；

S3.对步骤S2获取的图像数据进行图像处理，从而得到训练数据集；

S4.以U形网络为基本架构，构建视网膜微动脉瘤初步识别模型；

S5.采用步骤S3得到的训练数据集，对步骤S4构建的视网膜微动脉瘤初步识别模型进行训练，从而得到最终的视网膜微动脉瘤识别模型；

S6.采用步骤S5得到的视网膜微动脉瘤识别模型，对实时获取的视网膜彩色眼底图像进行识别检测，完成视网膜微动脉瘤的自动检测。

2.根据权利要求1所述的视网膜微动脉瘤自动检测方法，其特征在于步骤S2所述的提取通道分量和感兴趣区域，具体为采用如下步骤提取通道分量和感兴趣区域：

A.提取原始视网膜彩色眼底图像的绿色通道眼底图像；

B.采用最大类间阈值分割法来自适应的计算出最佳阈值T，从而提取得到感兴趣区域：

式中g(x,y)为经阈值分割处理后的图像；f(x,y)为原图像；在g＝w₀×w₁×(u₀-u₁)²取最大值时，对应的T取值为最佳阈值，w₀为前景像素点数占整幅图像的比例，w₁为背景像素点数占整幅图像的比例，u₀为前景平均灰度，u₁为背景平均灰度。

3.根据权利要求2所述的视网膜微动脉瘤自动检测方法，其特征在于步骤S3所述的对步骤S2获取的图像数据进行图像处理，从而得到训练数据集，具体为采用如下步骤得到训练数据集：

a.采用限制对比度自适应直方图均衡化技术对图像进行处理：

式中S为对比度；N为局部子区域内总像素数目；M为图像的最大灰度值；Hist(i)为局部块内的直方图；直方图为离散函数h(r_k)＝n_k，r_k为第k级灰度值，n_k为图像中灰度为r_k的像素数目；

b.采用双立方插值技术统一图像尺寸：

式中F(i',j')为插值后对应坐标的值；F(i,j)为原图中坐标点(i,j)的值；i和j为像素点坐标；m和n为偏移量；R(x)为插值表达式且

c.采用高斯滤波对图像进行平滑处理：

式中G(x,y)为经过高斯滤波处理后的图像；σ为标准偏差，用于表示高斯函数的有效范围；

d.对图像数据集进行数据增广操作。

4.根据权利要求3所述的视网膜微动脉瘤自动检测方法，其特征在于所述的数据增广操作，具体包括垂直镜像、水平镜像、随机翻转和亮度变化。

5.根据权利要求1～4之一所述的视网膜微动脉瘤自动检测方法，其特征在于步骤S4所述的以U形网络为基本架构，构建视网膜微动脉瘤初步识别模型，具体为采用如下步骤构建视网膜微动脉瘤初步识别模型：

模型包括编码器和解码器；

编码器包括四个经典结构，每一个经典结构均包括三个不同大小的平行卷积核，卷积核大小分别为3×3、5×5和7×7；卷积核进行特征提取；四个经典结构均用于采样，且每次下采样时特征图的通道数加倍，特征图的大小减半；

解码器包括四个经典结构，每一个经典结构均包括三个不同大小的平行卷积核，卷积核大小分别为3×3、5×5和7×7；

编码器提取到的低层特征和解码器提取到的高层特征级联在一起；

引入注意力引导滤波器，将从低层特征提取到的结构信息转移到高层特征图中。