[发明专利]基于计算机视觉特征的OCT图像分类方法及系统、设备

权利要求书

1.一种基于计算机视觉特征的OCT图像分类方法，其特征在于，所述方法包括：

生成OCT图像中的第一掩码图像，对所述第一掩码图像进行处理，提取处理后的所述第一掩码图像的外围轮廓，并填充所述外围轮廓内的元素；采用卷积核对所述填充所述外围轮廓内的元素的所述第一掩码图像进行腐蚀运算；将所述腐蚀运算过后的所述第一掩码图像与所述OCT图像进行与运算，获取所述OCT图像中的第一兴趣区域图像；对所述第一兴趣区域图像进行处理，确定所述OCT图像中的前景区域，将所述前景区域转换为第二掩码图像并对所述第二掩码图像进行处理；

将处理后的第二掩码图像与所述第一兴趣区域图像进行运算，提取所述第一兴趣区域图像中的第二兴趣区域图像；

对所述第二兴趣区域图像进行特征增强处理，得到第三兴趣区域图像；

通过卷积神经网络对所述第三兴趣区域图像进行分类，得到所述第三兴趣区域图像的分类结果，获取所述分类结果的置信度，根据所述分类结果的置信度将最终分类结果显示于所述OCT图像上，所述分类结果包括所述最终分类结果。

2.如权利要求1所述的方法，其特征在于，所述对所述第一兴趣区域图像进行处理，确定所述OCT图像中的前景区域包括：

采用卷积核对所述第一兴趣区域图像进行开运算，并对所述进行开运算后的第一兴趣区域图像进行中值滤波处理。

3.如权利要求1所述的方法，其特征在于，所述将所述前景区域转换为第二掩码图像并对所述第二掩码图像进行处理包括：

转换所述前景区域的像素亮度值，得到所述第二掩码图像；

检测所述第二掩码图像的轮廓，对所述轮廓画近似多边形并填充所述近似多边形的内部；

采用卷积核对所述第二掩码图像上的所述填充后的近似多边形进行中值滤波处理；

采用卷积核对处理后的所述第二掩码图像进行闭运算，再采用卷积核对所述进行闭运算后的第二掩码图像进行开运算。

4.如权利要求1所述的方法，其特征在于，所述对所述第二兴趣区域图像进行特征增强处理，得到第三兴趣区域图像包括：

统计所述第二兴趣区域图像中像素灰度值出现的概率并绘制统计直方图；

对所述第二兴趣区域图像中的像素亮度值进行排序，并将所述排序过像素亮度值的第二兴趣区域图像转换为所述第三兴趣区域图像。

5.如权利要求1所述的方法，其特征在于，所述通过卷积神经网络对所述第三兴趣区域图像进行分类之前包括：

对所述第三兴趣区域进行等比例裁剪尺寸。

6.如权利要求1所述的方法，其特征在于，所述获取所述分类结果的置信度，根据所述分类结果的置信度将最终分类结果显示于所述OCT图像上包括：

通过归一化指数函数获取所述分类结果的置信度；

通过非极大值抑制筛选所述分类结果的置信度，得到所述最终分类结果及其置信度。

7.一种基于计算机视觉特征的OCT图像分类系统，其特征在于，所述系统包括：

确定模块：用于生成OCT图像中的第一掩码图像，对所述第一掩码图像进行处理，提取处理后的所述第一掩码图像的外围轮廓，并填充所述外围轮廓内的元素；采用卷积核对所述填充所述外围轮廓内的元素的所述第一掩码图像进行腐蚀运算；将所述腐蚀运算过后的所述第一掩码图像与所述OCT图像进行与运算，获取所述OCT图像中的第一兴趣区域图像；对所述第一兴趣区域图像进行处理，确定所述OCT图像中的前景区域，将所述前景区域转换为第二掩码图像并对所述第二掩码图像进行处理；

提取模块：用于将处理后的第二掩码图像与所述第一兴趣区域图像进行运算，提取所述第一兴趣区域图像中的第二兴趣区域图像；

增强模块：用于对所述第二兴趣区域图像进行特征增强处理，得到第三兴趣区域图像；

识别模块：用于通过卷积神经网络对所述第三兴趣区域图像进行分类，得到所述第三兴趣区域图像的分类结果，获取所述分类结果的置信度，根据所述分类结果的置信度将最终分类结果显示于所述OCT图像上，所述分类结果包括所述最终分类结果。