[发明专利]基于视网膜眼底图像的目标检测定位方法和装置

权利要求书

1.一种基于视网膜眼底图像的目标检测定位方法，其特征在于，包括：

采集当前需要检测的视网膜眼底图像；

对所述视网膜眼底图像进行质量评估，得到相应的质量评估结果；

在所述质量评估结果为清晰可见时，采用第一神经网络模型对所述视网膜眼底图像进行检测，定位出所述视网膜眼底图像中的异常区域；

其中，所述异常区域包括病灶区域和形态异常区域；

将定位出的所述异常区域由所述视网膜眼底图像中分割出来，并采用第二神经网络模型对分割出来的所述异常区域进行异常引发因素分析，确定并抑制由噪声引发的异常后，在所述视网膜眼底图像中标注出除由所述噪声引发的异常之外的其他异常区域，并输出标注后的眼底图像。

2.根据权利要求1所述的方法，其特征在于，对所述视网膜眼底图像进行质量评估，得到相应的质量评估结果，包括：

对所述视网膜眼底图像进行预处理，包括去除视网膜眼底图像中的黑边、尺寸缩放、归一化中的至少一种；

将预处理后的视网膜眼底图像输入至深度学习分类网络模型中，由所述深度学习分类网络模型对预处理后的视网膜眼底图像进行质量评估，得到所述质量评估结果。

3.根据权利要求2所述的方法，其特征在于，去除所述视网膜眼底图像中的黑边，包括：

对所述视网膜眼底图像进行中值滤波，去除所述黑边中的噪声；

分别沿所述视网膜眼底图像的宽度方向和高度方向正向遍历所述视网膜眼底图像，确定出沿宽度方向遍历过的像素点的像素和大于第一阈值时的第一位置坐标和沿高度方向遍历过的像素点的像素和大于所述第一阈值时的第二位置坐标；

分别沿所述视网膜眼底图像的宽度方向和高度方向反向遍历所述视网膜眼底图像，确定出沿宽度方向遍历过的像素点的像素和大于第一阈值时的第三位置坐标和沿高度方向遍历过的像素点的像素和大于所述第一阈值时的第四位置坐标；

以所述第一位置坐标作为左边界、以所述第二位置坐标作为上边界、所述第三位置坐标作为右边界和以所述第四位置坐标作为下边界，对所述视网膜眼底图像进行裁剪，得到去除黑边后的视网膜眼底图像；

其中，所述正向遍历包括沿所述视网膜眼底图像的宽度方向由左到右遍历和沿所述视网膜眼底图像的高度方向由上到下遍历；

所述反向遍历包括沿所述视网膜眼底图像的宽度方向由右至左遍历和沿所述视网膜眼底图像的高度方向由下至上遍历；

所述第一阈值的取值通过公式：计算得到；

w为所述视网膜眼底图像的宽度，h为所述视网膜眼底图像的高度。

4.根据权利要求1所述的方法，其特征在于，采用第一神经网络模型对所述视网膜眼底图像进行检测，定位出所述视网膜眼底图像中的异常区域，包括：

采用自适应直方图均衡化算法对所述视网膜眼底图像进行处理，得到相应的眼底图像；

通过所述第一神经网络模型对所述眼底图像进行检测得到多个检测框，并基于所述第一神经网络模型算法，确定各所述检测框的类别和预测分数；

根据各所述检测框的所述预测分数与各异常状态标签所对应的分数阈值之间的大小关系，由多个所述检测框中确定出优选检测框；

其中，所述预测分数用于表征各所述检测框被标注为任一所述异常状态标签的概率；

所述优选检测框的个数为多个，且不同的所述优选检测框标注所述眼底图像中的不同的病灶区域和形态异常区域。

5.根据权利要求4所述的方法，其特征在于，基于第一神经网络模型算法，确定各所述检测框的类别和预测分数，包括：

基于所述第一神经网络模型最后的输出单元通过softmax函数输出每个标签的相对概率，取相对概率最大的类别作为预测的类别；

其中，所述相对概率为所述类别标签的预测分数；

所述相对概率由通过公式：计算得到；

其中，i表示类别索引，V_i表示分类器前级输出单元的输出，C表示类别的总数，S_i表示i类别的相对概率。