眼底图身份识别方法技术

本发明专利技术提供了一种眼底图身份识别方法，包括以下步骤：为每个患者拍摄多张眼底图片并存入数据库；检测所述眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到初始样本图片；对于所述初始样本图片进行Gamma校正提高亮度，然后将校正后的图片从RGB色彩模型转换到lab色彩模型，并对亮度通道进行自适应直方图均衡化处理，得到训练样本图片；这种眼底图身份识别方法为了保证多次随访数据的一致性，着眼于眼底镜的随访数据，利用基于AI深度学习的眼底镜身份识别系统，对社区及边远地区的眼底镜筛查项目实施起到一定的质量控制作用。

Identity Recognition Method of Eye Fundus Map

【技术实现步骤摘要】
眼底图身份识别方法
本专利技术涉及身份识别方法，尤其涉及一种眼底图身份识别方法。
技术介绍
如今的医生可用眼底镜来检查诸如高血压、糖尿病等疾病。许多全身性疾病往往发生眼底病变，如高血压、肾脏病、糖尿病、妊娠毒血症、某些血液病等。眼底疾病可导致视力下降，是致盲的首要原因。运用计算机辅助诊断(CADx)技术可辅助医生对眼底疾病进行早期诊断。为了促进眼科普查顺利推广与发展，有必要提供一种确保患者随访时数据一致性和身份唯一性的自动识别系统，。
技术实现思路
本专利技术要解决的技术问题是：为了解决现有技术中的上述问题，本专利技术提供了一种眼底图身份识别方法来解决上述问题。本专利技术解决其技术问题所采用的技术方案是：一种眼底图身份识别方法，包括以下步骤：为每个患者拍摄多张眼底图片并存入数据库；检测所述眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到初始样本图片；对于所述初始样本图片进行Gamma校正提高亮度，然后将校正后的图片从RGB色彩模型转换到lab色彩模型，并对亮度通道进行自适应直方图均衡化处理，得到训练样本图片；对训练样本图片中的视杯和视盘进行标注，标注的数据为视杯的中心点中标和视盘的中心点坐标；构建识别网络，所述识别网络包括CNN网络；将训练样本图片输入到CNN网络中得到f(x)，并进行归一化处理得到特征向量；组成多个三元数据组其中和为第i个患者的两个特征向量，为非第i个患者的一个特征向量；将三元数据组输入损失函数其中α为余量，f(x)为CNN网络的目标函数；计算损失函数并反向传播更新CNN网络的参数，得到训练好的识别网络。进一步，还包括以下步骤：拍摄待识别患者的待识别眼底图片；检测待识别眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到中间图片；对于中间图片进行Gamma校正提高亮度，然后将校正后的图片从RGB色彩模型转换到lab色彩模型，并对亮度通道进行自适应直方图均衡化处理，得到待识别图片；将待识别图片输入训练好的识别网络中得到待识别特征向量；一一计算数据库中每个患者的眼底图片的特征向量与待识别特征向量之间的欧氏距离，距离最小的为同一患者。作为优选，所述CNN网络采用Google的Inception架构，输出[1,1,128]维的特征向量。本专利技术的有益效果是，这种眼底图身份识别方法为了保证多次随访数据的一致性，着眼于眼底镜的随访数据，利用基于AI深度学习的眼底镜身份识别系统，对社区及边远地区的眼底镜筛查项目实施起到一定的质量控制作用。采集眼底视网膜高分辨力毛细血管图像，经归一化和滤噪后，采用深度学习神经网络算法进行特征提取，Hassan距离进行模式匹配，对实验样本进行了准确的身份识别，验证了该技术的有效性，拓展了自适应光学眼底视网膜高分辨力成像技术的应用范围，也可以在某些要害部门可能发挥重要的安保作用。附图说明下面结合附图和实施例对本专利技术进一步说明。图1是本专利技术的眼底图身份识别方法的最优实施例的流程图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。此外，在本专利技术的描述中，除非另有说明，“多个”的含义是两个或两个以上。流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本专利技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本专利技术的实施例所属
的技术人员所理解。如图1所示，本专利技术提供了一种眼底图身份识别方法，包括以下步骤：为每个患者拍摄多张眼底图片并存入数据库；检测眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到初始样本图片；由于患者的眼底图片因为角膜浑浊(角膜发白，不透明)、房水浑浊(前房积脓，肉眼可见，或用眼表镜记录)、晶体浑浊(白内障)、晶体反光，但眼底清晰可见(人工晶体植入术后)、玻璃体浑浊(玻璃体积血，玻璃体液化变性)等原因，为了分割的一致性，对眼底图片临床数据进行增强，对于初始样本图片进行Gamma校正提高亮度，然后将校正后的图片从RGB色彩模型转换到lab色彩模型，并对亮度通道进行自适应直方图均衡化处理，得到训练样本图片；对训练样本图片中的视杯和视盘进行标注，标注的数据为视杯的中心点中标和视盘的中心点坐标；构建识别网络，识别网络包括CNN网络，CNN网络采用Google的Inception架构，输出[1,1,128]维的特征向量；对于特征向量的维度选择，维度越小计算越快，但是太小的话很难区分不同图片；维度越大越容易区分不同图片，但是太大训练模型不易收敛，且测试时计算慢，占用空间大。采用128维的特征能够较好的平衡这个问题。将训练样本图片输入到CNN网络中得到f(x)，并进行归一化处理得到特征向量；组成多个三元数据组其中和为第i个患者的两个特征向量，为非第i个患者的一个特征向量；将三元数据组输入损失函数其中α为余量，f(x)为CNN网络的目标函数；计算损失函数并反向传播更新CNN网络的参数，得到训练好的识别网络。拍摄待识别患者的待识别眼底图片；检测待识别眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到中间图片；对于中间图片进行Gamma校正提高亮度，然后将校正后的图片从RGB色彩模型转换到lab色彩模型，并对亮度通道进行自适应直方图均衡化处理，得到待识别图片；将待识别图片输入训练好的识别网络中得到待识别特征向量；一一计算数据库中每个患者的眼底图片的特征向量与待识别特征向量之间的欧氏距离，距离最小的为同一患者。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对所述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点本文档来自技高网...

【技术保护点】
1.一种眼底图身份识别方法，其特征在于，包括以下步骤：为每个患者拍摄多张眼底图片并存入数据库；检测所述眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到初始样本图片；对于所述初始样本图片进行Gamma校正提高亮度，然后将校正后的图片从RGB色彩模型转换到lab色彩模型，并对亮度通道进行自适应直方图均衡化处理，得到训练样本图片；对训练样本图片中的视杯和视盘进行标注，标注的数据为视杯的中心点中标和视盘的中心点坐标；构建识别网络，所述识别网络包括CNN网络；将训练样本图片输入到CNN网络中得到f(x)，并进行归一化处理得到特征向量；组成多个三元数据组

【技术特征摘要】
1.一种眼底图身份识别方法，其特征在于，包括以下步骤：为每个患者拍摄多张眼底图片并存入数据库；检测所述眼底图片中包含视盘和视杯的区域，将包含视盘和视杯的区域从眼底图片中切割出来，得到初始样本图片；对于所述初始样本图片进行Gamma校正提高亮度，然后将校正后的图片从RGB色彩模型转换到lab色彩模型，并对亮度通道进行自适应直方图均衡化处理，得到训练样本图片；对训练样本图片中的视杯和视盘进行标注，标注的数据为视杯的中心点中标和视盘的中心点坐标；构建识别网络，所述识别网络包括CNN网络；将训练样本图片输入到CNN网络中得到f(x)，并进行归一化处理得到特征向量；组成多个三元数据组其中和为第i个患者的两个特征向量，为非第i个患者的一个特征向量；将三元数据组输入损失函数其中α为余量，f(x)为CNN网络的目标函数；计...

【专利技术属性】
技术研发人员：文耀锋，包勇，
申请(专利权)人：江苏医像信息技术有限公司，
类型：发明
国别省市：江苏,32