[发明专利]一种基于联邦学习的青光眼图像检测方法

权利要求书

1.一种基于联邦学习的青光眼图像检测方法，其特征在于：方法包括以下步骤：

步骤1：建立了一个两阶段的青光眼诊断网络模型，通过两阶段的青光眼诊断网络模型对眼底图像进行处理，第一阶段用于获得杯盘比结果，第二阶段用于获得青光眼分类概率结果；

步骤2：收集眼底图像数据，并对眼底图像数据进行预处理，用预处理后的眼底图像数据对两阶段的青光眼诊断网络模型中的第二阶段进行训练，获得训练后的两阶段的青光眼诊断网络模型；

步骤3：针对待测的眼底图像输入训练后的两阶段的青光眼诊断网络模型获得两阶段的结果，综合两阶段的结果对眼底图像中的青光眼情况进行分类判断。

2.根据权利要求1所述的一种基于联邦学习的青光眼图像检测方法，其特征在于：

所述步骤1中的第一阶段包括依次设置的AG-Net分割网络和后置处理模块，通过AG-Net分割网络将每幅眼底图像分割为三个通道图像，将三个通道图像输入后置处理模块获得纵向杯盘比，具体为：

1.1)将眼底图像输入AG-Net分割网络获得输出图像X，在输出图像X中，舍弃背景通道图像，保留视杯通道图像X^cup和视盘通道图像X^disc；

1.2)提取视杯通道图像X^cup和视盘通道图像X^disc的连通区域并各自进行大小排序，取面积最大的N个连通区域，对于视杯通道图像X^cup和视盘通道图像X^disc共计获得2N个连通区域；

1.3)统计视杯通道图像X^cup和视盘通道图像X^disc中的连通区域的每个像素的像素值均设置为1，连通区域以外的其它区域的每个像素的像素值均设置0，获得视杯通道二值化图像和视盘通道二值化图像；

1.4)将视杯通道二值化图像和视盘通道二值化图像均依次进行腐蚀、膨胀的操作，得到最终的视杯通道后处理图像Y^cup和视盘通道后处理图像Y^disc；

1.5)计算视杯通道后处理图像Y^cup和视盘通道后处理图像Y^disc的外接矩形Zcup和Zdisc：

1.6)根据外接矩形计算纵向杯盘比：

vC/D＝H^cup/H^disc

其中，v表示纵向，Hcup、Hdisc分别表示视杯通道外接矩形Z^cup和视盘通道外接矩形Z^disc的高H，vC/D表示视杯外接矩形的高和视盘外接矩形的高之间的比例，作为纵向杯盘比。

3.根据权利要求2所述的一种基于联邦学习的青光眼图像检测方法，其特征在于：所述步骤1.4)中，是计算视杯通道后处理图像Y^cup和视盘通道后处理图像Y^disc中像素值设置为1的区域求取在图像水平方向和图像竖直方向上的最大值和最小值点，共计四个点，外接矩形的四边分别经过所述四个点而设置出外接矩形。

4.根据权利要求1所述的一种基于联邦学习的青光眼图像检测方法，其特征在于：所述步骤1中的第二阶段具体包括ResNet-50模型，所述的ResNet-50模型输入的是眼底图像，输出的是青光眼的分类概率值，将眼底图像输入到ResNet-50模型中输出获得青光眼的分类概率值。