[发明专利]一种筛选眼底图像的方法

说明书

一种筛选眼底图像的方法，根据视网膜血管的树状网络结构和灰度分布特征，通过Morlet小波和高斯匹配滤波的分割方式，从多尺度的离散高斯核对血管骨架，从而提高微小血管与背景区域的对比度；同时结合Gabor小波算法，利用其小波特征和绿色通道灰度信息组成的特征向量；通过深度神经网络技术对动静脉血管及血管的交叉、拱桥、黄斑、黑斑、白斑等眼部特征进行标记学习训练；本申请能够完成对眼底图片的筛选和分类，加速眼底疾病的诊断速度，解决耗费大量人工和效率低下问题，并最终为提高整体社会的健康水平而努力。

技术领域

本发明属于眼底医疗技术领域，具体说是一种筛选眼底图像的方法。

背景技术

眼底疾病是人类致盲的重要原因，其已严重威胁到人们的健康和生活质量；高血压、动脉硬化、血管阻塞、糖尿病和老年黄斑等各种普遍且治愈较难的疾病，得到了社会较多的关注，是医疗领域急需解决的重要课题。

近年来，临床上已经证实，人体很多疾病的发生、发展，都会不同程度的反映到眼底上，因此很多疾病都可以通过对眼底特征的分析，在早期发现并进行提前诊疗，以便控制疾病的进一步发展。这一认知使得眼底医疗成为医疗领域的又一个重要课题，如果可以对眼底特征进行更准确的筛选、分析和分类，那么无疑会使社会健康整体提高到更高的水平。眼底照相是近年来在临床上采用比较多的眼底检查方法，其能够较直接的记录眼底视网膜形态学变化和发展，特别是多光谱眼底成像技术在眼科领域的首次应用之后，使得眼底信息可以更多角度、深度的展现给相关人员，眼科专家基于眼底图片进行解读，可以使患者得到早期的关注和治疗，并给出有效的疾病发展预判，从而尽可能对疾病进行控制或使患者彻底痊愈。

但针对眼底相机拍照出的眼底图片进行提取、筛选、分类，并做多层次的全面分析，目前在国内仍是一个比较严峻的问题。随着病患图片的增多和专科解读医生数量的局限存在，如何能够快速的从现有大量眼底图片中分拣不同病变特征的图片及分离正常眼底图片，进而减轻医生把时间消耗在意义不大的图片筛选分类上变得十分有意义。

近年来，国际上更关注的是眼底专项特征的提取和分析技术，而忽略了眼底病变的整体性，且专项技术分析，会导致整个筛选和分类包含过多过杂的技术，技术之间的融合性、互补性大大降低，研究成本非常高，使得临床使用的可行性降低，并不能给健康医疗带去更多的收益。

发明内容

针对现有技术存在的上述问题，本发明提供了一种筛选眼底图像的方法，能够完成对眼底图片的筛选和分类，加速眼底疾病的诊断速度，解决耗费大量人工和效率低下问题，并最终为提高整体社会的健康水平而努力。

为实现上述目的，本发明的技术方案是：一种筛选眼底图像的方法，具体步骤如下：

S1：接收拍摄的眼底图片；

S2：采用Morlet小波变换方法对图像分割、进行血管骨架的提取；

S3：把眼底图片进行Gabor小波变换处理；

S4：针对Gabor小波变换结果，采用SVM分类模型进行血管和非血管归类，并记录血管坐标区域；

S5：使用Gabor小波分类后的血管坐标信息，与Morlet小波提取的血管坐标进行区域比对；

S6：根据图像类型，进行特征标记；并针对标记的特征采用神经网络进行学习训练；

S7：对神经网络提取的特征进行SVM分类。

进一步的，上述方法，还包括：

S8：基于训练的特征模型，匹配传入的眼底图片；按已训练的标记特征，对眼底图片进行自动筛选和分类。

进一步的，步骤S1中对接收到的眼底图片，进行预处理分离，并采用自适应直方图均衡优化图像。