[发明专利]眼底造影图像无灌注区自动识别及激光光凝区域推荐算法

权利要求书

1.一种眼底造影图像无灌注区自动识别及激光光凝区域推荐算法，其特征在于，包括以下步骤：

步骤1，采集眼底的后极部55度的眼底造影图像；

步骤2，对眼底造影图像进行脱敏预处理和数据增强；

步骤3，利用labelme工具对脱敏预处理和数据增强后的眼底造影图像进行标注，标注内容包括无灌注区、视盘区域、黄斑区域三部分，并通过实现json2img函数，将标注结果转换为图像格式，背景区域像素值为0，视盘区域像素值为1，黄斑区域像素值为2，无灌注区像素值为3；

步骤4，将标注后的眼底造影图像按照80％和20％的占比随机分为训练集和测试集，以文件夹的形式来区分，文件夹名字分别为train和test；

步骤5，构建3个标准化多流卷积神经网络模型，分别用来识别视盘区域、黄斑区域、无灌注区域；

步骤6，利用训练集图像数据对构建的多流卷积神经网络模型进行优化训练，并用测试集数据对多流卷积神经网络模型进行验证；

步骤7，利用步骤6的多流卷积神经网络模型对设备实际采集数据图像进行无灌注区、视盘区域、黄斑区域的识别分割。

2.根据权利要求1所述的一种眼底造影图像无灌注区自动识别及激光光凝区域推荐算法，其特征在于，所述步骤2中对眼底造影图像进行脱敏预处理过程为：利用opencv-python模块下的cv2.threshold方法通过阈值分割保留眼底区域，同时剔除图像上的患者信息并将背景区域置0。

3.根据权利要求1所述的一种眼底造影图像无灌注区自动识别及激光光凝区域推荐算法，其特征在于，所述步骤2中对脱敏预处理后的眼底造影图像进行数据增强采用限制对比度自适应直方图均衡方法，具体为使用opencv-python模块下的createCLAHE方法创建clahe对象，clipLimit参数设置为1，titleGridSize参数设置为(8，8)。

4.根据权利要求1所述的一种眼底造影图像无灌注区自动识别及激光光凝区域推荐算法，其特征在于：所述步骤3中眼底造影图像标注的输出结果为json格式，存储内容为每个标注区域的标签名及区域边缘点的坐标位置信息。