[发明专利]微动脉瘤自动检测方法、装置及计算机可读存储介质

权利要求书

1.一种微动脉瘤自动检测方法，其特征在于，所述方法包括：

采集眼球的眼底图像数据，并对所采集的眼底图像数据执行数据增强处理操作；

检测所述眼底图像数据中的视网膜图像，制作眼底微动脉瘤检测模型的训练样本；

利用上述得到的训练样本执行眼底微动脉瘤检测模型的训练；及

利用所述眼底微动脉瘤检测模型执行微动脉瘤自动检测。

2.如权利要求1所述的微动脉瘤自动检测方法，其特征在于，所述执行数据增强处理操作包括对所述眼底图像数据进行两次自适应的直方图均衡化预处理，包括：

对眼底图像数据中像素灰度级r作归一化处理，使r被限定为[0,1]范围内；

对所述像素灰度级r执行式①所示的变换，得到输出灰度级S：

其中，p_r(w)为图像的灰度级的概率密度函数，w为积分的虚拟变量，将式①变换为式②：

其中，n_k是图像中出现r_k级灰度的像素数，n是图像像素总数，为频数，在直角坐标系中做出r_k与P_r(r_k)的关系图形称为图像的直方图。

3.如权利要求2所述的微动脉瘤自动检测方法，其特征在于，所述检测所述眼底图像数据中的视网膜图像，制作眼底微动脉瘤检测模型的训练样本，包括：

对上述得到的数据增强处理后的眼底图像数据进行形态学运算，得到视网膜边界，其中，所述形态学运算包括：

使用Canny算子检测视网膜图像的边缘，使用一个顶栏和底栏闭合的圆形区域，并填充该区域和空洞后进行下式的形态学开运算操作：

AB＝(AΘB)θB

其中，Θ表示腐蚀操作，θ表示膨胀操作。利用形态学开运算后，分别得到腐蚀图像A和膨胀图像B，最后腐蚀图像A减去膨胀图像B，即得到视网膜的圆形边界；

检测到视网膜边界后，计算并判断视网膜边界的面积；

若视网膜边界面积大于设定阈值δ，表明边界检测错误，重新采用形态学运算继续检测视网膜边界，直到满足阈值δ为止。

4.如权利要求1至3中任意一项所述的微动脉瘤自动检测方法，其特征在于，所述眼底微动脉瘤检测模型的训练的方法包括：

上下采样法对所述训练样本进行采样，得到数据集；

利用上下采样后的数据集训练深度学习模型，包括：

利用卷积神经网络提取眼底微动脉瘤病灶的特征向量；

针对所述微动脉瘤病灶的特征向量，利用softmax分类进行分类判别，若图片中无微动脉瘤特征向量，则判别为正常眼睛，当检查到微动脉瘤的特征，则标记为有微动脉瘤特征的图片；

对于有微动脉瘤特征的图片，通过多任务损失函数的边框回归方法得到准确的微动脉瘤区域。

5.如权利要求1所述的微动脉瘤自动检测方法，其特征在于，所述利用所述眼底微动脉瘤检测模型执行微动脉瘤自动检测，包括:

对眼底图像以32步长均匀地产生图像块，对每个图像块运用所述眼底微动脉瘤检测模型得到该图像块是微动脉瘤的概率，统计出概率分布图，判断眼底是否有微动脉瘤，完成自动检测过程。

6.一种微动脉瘤自动检测装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的微动脉瘤自动检测程序，所述微动脉瘤自动检测程序被所述处理器执行时实现如下步骤：

采集眼球的眼底图像数据，并对所采集的眼底图像数据执行数据增强处理操作；

检测所述眼底图像数据中的视网膜图像，制作眼底微动脉瘤检测模型的训练样本；

利用上述得到的训练样本执行眼底微动脉瘤检测模型的训练；及

利用所述眼底微动脉瘤检测模型执行微动脉瘤自动检测。