[发明专利]角膜共聚焦图像中细胞基础指标的精准量化方法及装置

权利要求书

1.一种角膜共聚焦图像中细胞基础指标的精准量化方法，其特征在于，包括：

获取待识别的角膜共聚焦图像；

将所述角膜共聚焦图像输入到细胞边界分割模型，根据所述细胞边界分割模型输出细胞边界概率图；其中，所述细胞边界分割模型是以角膜共聚焦图像样本作为输入、以所述角膜共聚焦图像样本中每个像素点是否为细胞边界的标注结果作为输出标签，通过机器学习训练得到的；

对所述细胞边界概率图进行预设后处理，得到细胞边界分割图；

基于所述细胞边界分割图，获取所述角膜共聚焦图像的细胞区域，根据所述角膜共聚焦图像的所述细胞区域计算角膜细胞的基础指标。

2.根据权利要求1所述的角膜共聚焦图像中细胞基础指标的精准量化方法，其特征在于，所述预设后处理包括以下处理过程中的至少一种：

对所述细胞边界概率图进行平滑处理后，进行全局自适应阈值二值化处理，生成具有边界轮廓的二值图像；对所述二值图像进行形态细化处理，生成所述边界轮廓为单像素宽的细化后二值图像；去除所述细化后二值图像中图像边缘上不完整的细胞区域；去除所述细化后二值图像中所述边界轮廓上的突出线条；去除孤立点；去除面积小于预设阈值的闭合区域。

3.根据权利要求1所述的角膜共聚焦图像中细胞基础指标的精准量化方法，其特征在于，所述角膜细胞的基础指标包括细胞数目、细胞密度、正常细胞比例、细胞面积变异系数、细胞面积的最小值、细胞面积的最大值、细胞面积的平均值及细胞面积的方差中的至少一种。

4.根据权利要求3所述的角膜共聚焦图像中细胞基础指标的精准量化方法，其特征在于，所述基于所述细胞边界分割图，获取所述角膜共聚焦图像的细胞区域，具体包括：

将所述细胞边界分割图的前景从细胞边界区域变为非细胞边界区域；计算所述细胞边界分割图中所有的连通分量，去除所述所有的连通分量中与所述细胞边界分割图的边缘临接的所述连通分量实现去背景处理，仅保留用于标识所述细胞区域的所述连通分量。

5.根据权利要求4所述的角膜共聚焦图像中细胞基础指标的精准量化方法，其特征在于，所述根据所述角膜共聚焦图像的所述细胞区域计算角膜细胞的基础指标，具体包括：

根据用于标识所述细胞区域的所述连通分量，计算所有所述细胞区域的个数，得到所述细胞数目；

根据用于标识所述细胞区域的所述连通分量，计算每个所述细胞区域所占像素个数，根据每个所述细胞区域所占像素个数以及单个像素对应的真实物理尺度，得到每个所述细胞区域的面积，根据每个所述细胞区域的面积得到所述细胞面积的最小值、所述细胞面积的最大值、所述细胞面积的平均值及所述细胞面积的方差；

根据每个所述细胞区域的面积得到细胞区域总面积，将所述细胞数目除以所述细胞区域总面积，得到所述细胞密度；

将所述细胞面积的方差与所述细胞密度相乘得到所述细胞面积变异系数；

获取正常细胞区域，计算所述正常细胞区域的个数占所述细胞数目的比例，得到所述正常细胞比例。

6.根据权利要求3所述的角膜共聚焦图像中细胞基础指标的精准量化方法，其特征在于，所述方法还包括：

将所述角膜共聚焦图像与所述细胞边界分割图进行叠加，得到可视化图像，将所述可视化图像及所述角膜细胞的基础指标进行可视化展示。

7.根据权利要求1所述的角膜共聚焦图像中细胞基础指标的精准量化方法，其特征在于，所述将所述角膜共聚焦图像输入到细胞边界分割模型，根据所述细胞边界分割模型输出细胞边界概率图，具体包括：

将所述角膜共聚焦图像输入到编码器的骨架网络块，输出第一特征图；将所述第一特征图输入到所述编码器的膨胀卷积块，输出第二特征图；将所述第二特征图输入到所述编码器的自注意力块，输出第三特征图；将所述第三特征图输入到解码器，输出所述细胞边界概率图。