[发明专利]黄斑影像检测方法和设备

说明书

本发明提供一种黄斑影像检测方法和设备，其中所述黄斑影像检测方法包括：获取眼底图像；利用机器学习模型对所述眼底图像进行识别，以输出标记特征区域后的眼底图像，所述特征区域为黄斑区域、视盘区域和黄斑视盘联合区域中的至少一种，其中所述机器学习模型是利用已知所述特征区域所在位置的样本图像进行训练得到的；根据所述标记特征区域后的眼底图像输出标记黄斑影像位置后的眼底图像。

技术领域

本发明涉及医疗图像处理领域，具体涉及一种黄斑影像检测方法和设备。

背景技术

在医疗领域中，黄斑在眼底视神经盘的颞侧0.35cm处并稍下方，处于人眼的光学中心区，是视力轴线的投影点。黄斑位于视网膜的中心，该部位集中了大量的视觉功能细胞。黄斑区的异常经常直接导致视觉能力的下降，黄斑区的病变如果没有被及时的发现和治疗，失明的几率将大大提高。

为了提高医生观察眼底图像的效率，现有技术提出了通过图像处理的方式根据黄斑的形状、颜色等特征来自动识别并标记眼底图像中的黄斑区域。但是病变的黄斑区的识别难度很大，因为眼底图像中黄斑的形态特征往往因病变程度的不同而差异巨大。当眼底有大面积病变的时候，黄斑区可能被病变影响，进而无法直接判断黄斑在眼底的具体位置。

图1示出了一个存在病变的眼底图像，如图1所示，由于眼底的大面积病变而导致黄斑区不易被直接观察到，因此很难通过线条特征对其进行识别，由此可见现有的眼底图像识别方法鲁棒性较差。

发明内容

有鉴于此，本发明提供了一种黄斑影像检测方法，包括：

获取眼底图像；

利用机器学习模型对所述眼底图像进行识别，以输出标记特征区域后的眼底图像，所述特征区域为黄斑区域、视盘区域和黄斑视盘联合区域中的至少一种，其中所述机器学习模型是利用已知所述特征区域所在位置的样本图像进行训练得到的；

根据所述标记特征区域后的眼底图像输出标记黄斑影像位置后的眼底图像。

可选地，当所述特征区域中包括黄斑区域时，输出标记黄斑区域后的眼底图像。

可选地，当所述标记特征区不包括黄斑区域时，所述根据所述标记特征区域后的眼底图像输出标记黄斑影像位置后的眼底图像，包括：

根据视盘区域和/或黄斑视盘联合区域确定黄斑区域所在位置；

输出标记黄斑区域后的眼底图像。

可选地，当所述特征区域同时包括视盘区域和黄斑视盘联合区域时，所述根据视盘区域和/或黄斑视盘联合区域确定黄斑区域所在位置，包括：

根据所述视盘区域和所述黄斑视盘联合区域的位置确定所述黄斑视盘联合区域中不含视盘区域的区域；

根据所述黄斑视盘联合区域中不含视盘区域内的图像特征确定黄斑区域所在位置。

可选地，当所述特征区域为黄斑视盘联合区域时，所述根据视盘区域和/或黄斑视盘联合区域确定黄斑区域所在位置，包括：

将所述黄斑视盘联合区域等分为两个区域；

根据所述两个区域内的图像特征将其中一个区域确定为黄斑区域。

可选地，当所述特征区域为视盘区域时，所述根据视盘区域和/或黄斑视盘联合区域确定黄斑区域所在位置，包括：

确定所述视盘区域的中心位置；

在距离所述中心位置预设距离、预设方向外的位置选定预定尺寸的区域作为黄斑区域。

本发明还提供了一种黄斑影像识别模型训练方法，包括：