[发明专利]一种早产儿视网膜病变附加性病变的自动检查机器

权利要求书

1.一种早产儿视网膜病变附加性病变的自动检查机器，其特征在于，执行包括以下的步骤：

S1、使用分类网络判断所输入早产儿视网膜图像是否属于后极部图片；

S2、如果这张图片是后极部图片，首先使用语义分割模型对原图中的血管进行分割得到血管的二值图像；所述语义分割模型通过成人数据训练后进行微调，训练的数据集使用基于块的分割方法，在训练阶段将输入图像的分辨率转换为640 x 512像素，对于每张图像产生180个64 x 64大小图像块，其中80个图像块采用滑动窗口的方法产生，互相没有重叠交叉，另外100个随机裁剪产生；

使用成人公开数据集和标注的ROP数据放在一起进行训练，并单独使用ROP数据进行验证和测试；所述语义分割模型，采用一个修改版本的Residual U-Net模型，删除了编码器的一个下采样模块和解码器的一个上采样模块，卷积核数目从[64, 128, 256, 512] 缩小到[32, 64, 128, 256]；

S3、根据原图定位后极部区域，使用后极部区域裁剪血管图像得到后极部的血管图像，具体包括步骤：首先针对原图使用实例分割模型检测视盘，如果检测到视盘，则以视盘的中心为圆心，三倍视盘的直径为半径画一个圆，圆内的区域就是后极部区域；检测到的视盘的边界框为(x1, y1, x2, y2)，视盘的中心circle_center = ((x1+x2)//2, (y1+y2)//2)，直径为：circle_diameter = (abs(x2-x1) + abs(y2-y1)) // 2；

S4、使用深度神经网络对后极部血管图像进行分类，从而判断原图是否属于附加病变。

2.根据权利要求1所述的早产儿视网膜病变附加性病变的自动检查机器，其特征在于，所述使用后极部区域裁剪血管图像得到后极部的血管图像的步骤包括：首先生成一个和原图同样大小的掩码图像，该掩码图像后极部的圆形区域内部设置为1，其他区域设置为0，将血管图像和这个掩码图像相乘，然后对得到的结果使用后极部区域为边框进行裁剪，最后将裁剪后的结果缩放到分类神经网络所需要的输入大小。

3. 根据权利要求2所述的早产儿视网膜病变附加性病变的自动检查机器，其特征在于，包括血管分割在训练阶段，将输入图像的分辨率转换为640 x 512像素，然后对于每张图像产生180个64 x 64大小图像块，其中80个图像块采用滑动窗口的机器产生，互相没有重叠交叉，另外100个随机裁剪产生，在测试阶段只产生不重叠的80个图像块。