基于视网膜结构的黄斑区定位系统技术方案

本发明专利技术提供了一种基于视网膜结构的黄斑区定位系统，涉及黄斑定位技术领域。本发明专利技术基于眼底图像中的视网膜血管和视盘，计算视盘的参数以及血管的参数；基于血管和视盘的参数，确定视网膜结果的主血管弓结构，根据其结构得到黄斑区域位置。实现了基于视网膜结构的自动黄斑区域定位，节省了每张图像需要人工标注的时间损耗，实现了基于视网膜结构的自动黄斑区定位，节省了每张图像需要人工标注的时间损耗，经测试表明，本发明专利技术的准确性、可靠性、鲁棒性，使其满足人类医生对视网膜黄斑区的定位需求。

【技术实现步骤摘要】
基于视网膜结构的黄斑区定位系统
本专利技术涉及黄斑定位
，具体涉及一种基于视网膜结构的黄斑区定位系统。
技术介绍
黄斑区是视网膜中最为敏感和危险的区域之一，黄斑区的损伤往往会对视力造成直接的影响，黄斑区的定位在视网膜影像中尤其重要。现有的眼底黄斑区定位的方法需要使用人工逐张图像手动标注一些特征点，在特征点的基础上拟合黄斑可能区域。但眼底黄斑的无明确边界性，使得医生难以为训练神经网络提供准确的数据标签，影响黄斑的定位。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种基于视网膜结构的黄斑区定位系统，解决了现有方法难以为训练神经网络提供准确的数据标签，影响黄斑的定位的问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于视网膜结构的黄斑区定位系统，该系统包括：视盘血管分割模块，用于利用视网膜眼底图像分割得到二值化视盘图像和血管图像；黄斑区感兴趣区域确定模块，用于基于视盘图像确定黄斑区感兴趣区域；主血管弓确定模块，用于基于所述血管图像，在所述黄斑区感兴趣区域内进行连通域检测和血管平均宽度计算；基于连通域的像素数确定首选主血管弓，并通过连通域的像素数和血管平均宽度的线性组合得到候选主血管弓；黄斑区位置计算模块，用于基于两条主血管弓、长轴和半径定位黄斑区。进一步的，所述黄斑区感兴趣区域确定模块包括：视盘参数计算单元，用于对视盘图像中的视盘进行椭圆拟合，得到视盘的中心以及半径、椭圆的长轴和短轴；黄斑区感兴趣区域计算单元，用于基于视盘半径确定血管图像上的黄斑区感兴趣区域，并对视盘图像中的视盘进行膨胀；象限划分单元，用于基于椭圆的长轴和短轴将黄斑区感兴趣划分为四个象限。进一步的，所述视盘的膨胀倍数为1.2倍，且以视盘的16倍半径为边长做出以视盘为中心的正方形作为感兴趣区域。进一步的，所述主血管弓确定模块包括：首选主血管弓计算单元，用于将血管图像与膨胀后的视盘图像做Venn差，再经过8连通域计算，保留连通域的像素数不小于30的区域，得到连通域计算图，从中找到连通域的像素数最大的连通域作为首选主血管弓；血管主次排序单元，用于以视盘中心为中心，取连通域计算图中多个预设倍数的视盘半径位置处的血管宽度，并以对应的第一预设比例系数进行线性组合，得到连通域计算图中每条血管的平均宽度；并基于第二预设比例系数对连通域的像素数和血管平均宽度进行线性组合，并根据其结果对血管主次排序。备选主血管弓计算单元，用于确定首选主血管弓所在象限；还用于基于血管主次排序，依次判断各个血管与首选主血管弓是否左右同象限且上下异象限，若是，得到备选主血管弓，否则，对下一个血管进行判断。进一步的，血管宽度为血管外部边缘到血管中心线的距离；所述预设倍数为1.3、1.4、1.5、1.6、1.7、1.8、1.9和2.0，且对应的第一预设比例系数为0.3、0.3、0.1、0.06、0.06、0.06、0.06、0.06；所述连通域的像素数和血管平均宽度对应的第二预设比例系数为0.3和0.7。进一步的，所述黄斑区位置计算模块包括：黄斑定位单元，用于基于定位两条主血管弓后的血管图像，作出长轴所在直线，并且在两条主血管弓的一侧以5倍视盘半径的位置做出长轴所在直线的平行线，且与两条主血管弓形成闭合区域；再对闭合区域做圆拟合，其圆心作为黄斑区的中心，圆拟合结果作为黄斑区的定位。进一步的，所述黄斑区位置计算模块还包括：闭合区域生成单元，用于在长轴所在直线、长轴所在直线的平行线和两条主血管弓不能形成闭合区域时，由主血管弓到长轴所在直线的最近点向长轴所在直线作垂线；再由长轴所在直线、长轴所在直线的平行线、垂线和两条主血管弓形成闭合区域。进一步的，所述视盘血管分割模块包括：视盘分割单元，用于将视网膜眼底图像作为训练好的视盘分割网络模型的输入，得到视盘图像；血管分割单元，用于将视网膜眼底图像作为训练好的血管分割网络模型的输入，得到血管图像。进一步的，所述视盘分割网络模型和血管分割网络模型为U-Net结构的卷积神经网络。进一步的，所述系统还包括：分割网络训练模块，用于训练视盘分割网络模型和血管分割网络模型，且视盘分割网络模型和血管分割网络模型的训练方法包括：使用CrossEntropyLoss(SoftMaxLoss)作为损失函数；使用小批量梯度下降算法作为卷积神经网络的学习算法；每个卷积神经网络训练250个epoch，在训练中按照设定好的衰减策略来降低学习率，学习率随着训练的深入而逐渐变小，每间隔一个epoch，学习率就衰减一次；初始学习率设置为0.005，衰减率设置为0.986，最终学习率固定至0.0001；每个卷积神经网络中的各参数均采用了L2WeightDecay正则化。(三)有益效果本专利技术提供了一种基于视网膜结构的黄斑区定位系统。与现有技术相比，具备以下有益效果：本专利技术基于眼底图像中的视网膜血管和视盘，计算视盘的参数以及血管的参数；基于血管和视盘的参数，确定视网膜结果的主血管弓结构，根据其结构得到黄斑区域位置。实现了基于视网膜结构的自动黄斑区域定位，节省了每张图像需要人工标注的时间损耗，实现了基于视网膜结构的自动黄斑区定位，节省了每张图像需要人工标注的时间损耗，经测试表明，本专利技术的准确性、可靠性、鲁棒性，使其满足人类医生对视网膜黄斑区的定位需求。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例的系统框图；图2为本专利技术实施例的血管、视盘分割网络训练流程图；图3为本专利技术实施例的黄斑区位置计算模块定位黄斑区的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请实施例通过提供一种基于视网膜结构的黄斑区定位系统，解决了现有方法难以为训练神经网络提供准确的数据标签，影响黄斑的定位的问题，实现自动视网膜结构黄斑区定位。本申请实施例中的技术方案为解决上述技术问题，总体思路如下：通过深度学习，先分割出图像的血管和视盘，再提取分割结果的几何参数特征，对分割结果做区域定位，并在训练过程中不断调整网络的参数。经测试表明，本专利技术的准确性、可靠性、鲁棒性，使其满足医生对视网膜黄斑区的定位需求。采用本专利技术所述的基于深度学习和视网膜结构的视网膜黄本文档来自技高网...

【技术保护点】
1.一种基于视网膜结构的黄斑区定位系统，其特征在于，该系统包括：/n视盘血管分割模块，用于利用视网膜眼底图像分割得到二值化视盘图像和血管图像；/n黄斑区感兴趣区域确定模块，用于基于视盘图像确定黄斑区感兴趣区域；/n主血管弓确定模块，用于基于所述血管图像，在所述黄斑区感兴趣区域内进行连通域检测和血管平均宽度计算；基于连通域的像素数确定首选主血管弓，并通过连通域的像素数和血管平均宽度的线性组合得到候选主血管弓；/n黄斑区位置计算模块，用于基于两条主血管弓、长轴和半径定位黄斑区。/n

【技术特征摘要】
1.一种基于视网膜结构的黄斑区定位系统，其特征在于，该系统包括：
视盘血管分割模块，用于利用视网膜眼底图像分割得到二值化视盘图像和血管图像；
黄斑区感兴趣区域确定模块，用于基于视盘图像确定黄斑区感兴趣区域；
主血管弓确定模块，用于基于所述血管图像，在所述黄斑区感兴趣区域内进行连通域检测和血管平均宽度计算；基于连通域的像素数确定首选主血管弓，并通过连通域的像素数和血管平均宽度的线性组合得到候选主血管弓；
黄斑区位置计算模块，用于基于两条主血管弓、长轴和半径定位黄斑区。


2.如权利要求1所述的一种基于视网膜结构的黄斑区定位系统，其特征在于，所述黄斑区感兴趣区域确定模块包括：
视盘参数计算单元，用于对视盘图像中的视盘进行椭圆拟合，得到视盘的中心以及半径、椭圆的长轴和短轴；
黄斑区感兴趣区域计算单元，用于基于视盘半径确定血管图像上的黄斑区感兴趣区域，并对视盘图像中的视盘进行膨胀；
象限划分单元，用于基于椭圆的长轴和短轴将黄斑区感兴趣划分为四个象限。


3.如权利要求2所述的一种基于视网膜结构的黄斑区定位系统，其特征在于，所述视盘的膨胀倍数为1.2倍，且以视盘的16倍半径为边长做出以视盘为中心的正方形作为感兴趣区域。


4.如权利要求2所述的一种基于视网膜结构的黄斑区定位系统，其特征在于，所述主血管弓确定模块包括：
首选主血管弓计算单元，用于将血管图像与膨胀后的视盘图像做Venn差，再经过8连通域计算，保留连通域的像素数不小于30的区域，得到连通域计算图，从中找到连通域的像素数最大的连通域作为首选主血管弓；
血管主次排序单元，用于以视盘中心为中心，取所述连通域计算图中多个预设倍数的视盘半径位置处的血管宽度，并以对应的第一预设比例系数进行线性组合，得到连通域计算图中每条血管的平均宽度；并基于第二预设比例系数对连通域的像素数和血管平均宽度进行线性组合，并根据其结果对血管主次排序；
备选主血管弓计算单元，用于确定首选主血管弓所在象限；还用于基于血管主次排序，依次判断各个血管与首选主血管弓是否左右同象限且上下异象限，若是，得到备选主血管弓，否则，对下一个血管进行判断。


5.如权利要求4所述的一种基于视网膜结构的黄斑区定位系统，其特征在于，血管宽度为血管外部边缘到血管中心线的距离；所述预设倍数为1.3、1.4、1.5...

【专利技术属性】
技术研发人员：刘磊，
申请(专利权)人：南京泰明生物科技有限公司，
类型：发明
国别省市：江苏;32