[发明专利]一种基于学习的眼底血管几何关键点图像处理方法及装置

说明书

本发明公开了一种基于学习的眼底血管几何关键点图像处理方法及装置，其中，所述方法包括以下步骤：A、获取眼底图像，根据深度学习算法获取眼底图像树状图，并将所述树状图进行图连通算法处理，得到视网膜血管树图像；B、通过计算曲率熵弥散获取并存储视网膜血管树图像中的多个几何关键点位置。采用深度学习的方法分割视网膜血管图像，提高了寻找到合适的特征点的可靠性；分割血管图像后，运用基于几何显著性的血管标志点测度与图像处理方法，找出在眼底无赤光/造影图像中稳定存在、分布广泛且重复性高的特征点作为标志点；此方法可在眼底疾病图像处理、眼底激光手术影像中为眼科医生提供更可靠的技术支持。

技术领域

本发明涉及图像处理技术领域，尤其涉及的是一种基于学习的眼底血管几何关键点图像处理方法及装置。

背景技术

视网膜眼底图像是糖尿病、青光眼、高血压、冠心病等疾病诊断的重要依据，这些疾病发生后通常会导致视网膜血管形态发生变化，且视网膜病变特征与许多疾病的各期变化特征关联密切，因此研究视网膜眼底图像能为医务工作者诊断疾病提供重要依据。

眼底图像是眼底检查中非常重要的诊断资料，目前，对眼底图像的分析主要通过对眼底相机获取的图像进行，获取眼底图像后再交由眼底图像分析系统进行图像处理，具体通常体现为一款分析软件，实现对图像的分析和处理，以最终获得可用的图像。临床眼底检查中应用最为广泛的两类图像为无赤光（Red Free， RF）图像和荧光素血管造影（Fluoroscein Angiography， FA）图像，其中，无赤光图像是在眼底照相机内插入无赤光滤光片，去除照明光束中的长波光线后得到的图像，它在视网膜血管和背景的对比度上高于传统全色图像，目前主要用于检查视网膜表层。

如图4所示，为现有技术的配准关键点分布示意图，从图中可以看到，现有眼底图像处理技术中，对血管几何关键点的图像处理仅仅包括分叉点，交叉点等少量血管关键点，其信息量较少。现有技术中图像处理几何显著的血管关键点是在造影图像与眼底彩照图像上直接实现的，通过找出血管交叉点、分支点等实现两幅图像的关键点匹配。这种直接在两幅原图上进行血管关键点图像处理的方法有很大弊端：正常人的眼底图像是比较清晰的，造影图像与眼底彩照图像的关键点能够有很高的配准率；但当遇到有病变的眼底图像时，由于病变导致眼底图像中很多明显的血管交叉点、分支点和病变的部位连成一片，使得这种方法匹配的失误率极大，甚至不能够做到图像处理以得到有实用价值的血管关键点。因此，需要提高血管几何关键点图像处理匹配的准确性，由此现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种基于学习的眼底血管几何关键点图像处理方法及装置，旨在解决现有眼底图像处理和配准中血管几何关键点不足和难以在有严重病灶之眼底图像中找到病灶区域、精确配准等问题。

本发明的技术方案如下：

一种基于学习的眼底血管几何关键点图像处理方法，其中，所述方法包括以下步骤：

A、获取眼底图像，根据深度学习算法获取眼底图像树状图，并将所述树状图进行图连通算法处理，得到视网膜血管树图像；

B、通过计算曲率熵弥散获取并存储视网膜血管树图像中的多个几何关键点位置。

所述基于学习的眼底血管几何关键点图像处理方法，其中，所述几何关键点包括在视网膜血管树图像上的血管局部弯曲转向点、血管曲率极值点、血管交叉点或血管分支点。

所述基于学习的眼底血管几何关键点图像处理方法，其中，所述步骤B具体包括：

B1、根据依次获取视网膜血管树各像素的局部曲率方向弥散程度参数值，并与预设设置的局部曲率方向弥散程度阈值进行比较；其中，E（p）为当前像素p的局部曲率方向弥散程度参数值，h_p（i）是当前像素p的邻域上曲率方向直方图第i个柱采样点的个数，i为正整数；