[发明专利]筛查眼底黄斑区异常的方法、装置、设备和存储介质

权利要求书

1.一种筛查眼底黄斑区异常的方法，其特征在于，所述方法包括：

接收用户输入的调整指令，通过所述用户输入的调整指令调整光学相干断层扫描仪与被测者的眼部之间的距离，直至得到的图像清晰度大于预设值；

通过所述光学相干断层扫描仪的单线扫描模式，扫描被测者的眼部的黄斑区，以得到被测者的黄斑区图像以及黄斑区厚度；

通过所述黄斑区厚度与厚度类别之间的映射关系，得到与所述黄斑区厚度对应的所述厚度类别，所述厚度类别至少包括正常厚度以及异常厚度；

将所述黄斑区图像输入至卷积神经网络，通过对所述黄斑区图像进行卷积运算以得到黄斑区图像的卷积特征矩阵，所述卷积神经网络至少包括卷积层以及池化层；

通过所述卷积神经网络的池化层轮询所述卷积特征矩阵，以得到多组局部特征集合；

分别计算所述多组局部特征集合的平均值，通过冒泡排序法将所述平均值按照数值大小顺序排列拼接，以得到黄斑区特征集合；

将所述厚度类别输入至所述卷积神经网络，并通过所述卷积神经网络的神经元权值对所述黄斑区特征集合以及厚度类别加权求和，以得到所述黄斑区图像的异常分析结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述黄斑区图像输入至卷积神经网络之前，所述方法还包括：

获取训练集图像集合以及搭建所述卷积神经网络，所述训练集图像集合包含多张训练集图像；

为每一张所述训练集图像设置黄斑区厚度类别，并标注所述多张训练集图像的异常参考类别，所述异常参考类别至少包括异常与正常；

将多张所述训练集图像依次输入至所述卷积神经网络，将所述厚度类别以及将所述训练集图像对应的异常分析结果分别作为所述卷积神经网络的输入以及输出，通过所述输入以及所述输出不断训练所述卷积神经网络的神经元权值，直至所述训练集图像均已输入至所述卷积神经网络，结束对所述卷积神经网络的训练。

3.根据权利要求1所述的方法，其特征在于，所述通过所述用户输入的调整指令调整光学相干断层扫描仪与被测者的眼部之间的距离，包括：

接收用户输入的移动指令，根据所述用户输入的移动指令控制所述光学相干断层扫描仪以预设的步长沿着滑轨朝向被测者的眼部移动；

获取显示的眼底图像；

用拉普拉斯模板对所述显示的眼底图像做卷积运算，以得到所述显示的眼底图像的梯度矩阵；

计算所述梯度矩阵中的所有元素的标准差，将所述标准差设置为所述显示的眼底图像的清晰度；

若所述显示的眼底图像的清晰度大于或等于阈值，则将所述光学相干断层扫描仪锁定在当前所移动至的位置。

4.根据权利要求1所述的方法，其特征在于，所述将所述黄斑区图像输入至卷积神经网络之前，所述方法还包括：

识别所述黄斑区图像的画质；

提取所述黄斑区图像的画质特征，并根据所述画质特征与画质分类结果之间的映射关系，得到与所述画质特征对应的画质分类结果，所述画质分类结果包括模糊类、过暗类、过亮类、镜头污染类、角度异常类和合格类；

若所述画质分类结果为合格，则将所述黄斑区图像标记为目标黄斑区图像，若所述画质分类结果为不合格，则提示重新拍摄黄斑区图像。

5.根据权利要求1所述的方法，其特征在于，所述扫描被测者的眼部的黄斑区，包括：

通过所述光学相干断层扫描仪的同心圆定位环定位黄斑区的中心凹；

调整扫描标记线的方向，使扫描线垂直于定位所述黄斑区的中心凹。

6.根据权利要求1或2所述的方法，其特征在于，所述卷积神经网络是指多层神经MLP网络，所述MLP网络包括独立卷积层、卷积池化层、卷积残差层、全连接层以及输出层。