眼底亮病灶区域识别装置制造方法及图纸

本发明专利技术实施例公开了眼底亮病灶区域识别装置，该眼底亮病灶区域识别装置包括：图像获取单元，用于获取视网膜图像；分解单元，用于对所述视网膜图像进行二层小波分解，计算所述小波分解的强度图像；合并单元，用于对第一层和第二层的强度图像进行阈值分割以及合并，以得到合并结果；去噪单元，用于对所述合并结果去除噪声，以得到待分类区域；识别单元，用于将所述待分类区域进行硬性渗出、软性渗出和玻璃膜疣病灶的分类识别，以得到识别结果；输出单元，用于输出所述识别结果。通过实施本发明专利技术实施例的方法可实现分割视网膜图像中的硬性渗出、软性渗出和玻璃膜疣等病灶区域，可区分不同的病灶类型。灶类型。灶类型。

【技术实现步骤摘要】
眼底亮病灶区域识别装置


[0001]本专利技术涉及眼底视网膜图像分割方法，更具体地说是指眼底亮病灶区域识别装置。

技术介绍

[0002]视网膜图像上亮病变区域主要指硬性渗出、软性渗出和玻璃膜疣等病灶。它们具有比视网膜背景像素更高的亮度值。硬性渗出和软性渗出一般见于视网膜血管性疾病，例如DR（糖尿病视网膜病变，Diabetic Retinopathy）。玻璃膜疣是一种发生在脉络膜视网膜的一种变性疾病，多见于AMD（老年黄斑变性，Age
‑
related Macular Degeneration）。DR和AMD都是常见的致盲眼病，其早期检测和诊断显得尤为重要。
[0003]视网膜的硬性渗出往往呈现不规则和复杂的形状结构，其形状和大小都没有固定的模式特征。软性渗出和玻璃膜疣都是圆形的病灶。硬性渗出和玻璃膜疣在颜色上具有相似性。此外，数字眼底相机通过视网膜表面的光反射捕捉视网膜图像。但是，许多视网膜图像会受到非均匀照明等因素的影响，使得图像表现出低对比度、亮度不均和带有噪声。这将严重影响病灶的分割与识别。因此，硬性渗出、软性渗出和玻璃膜疣的准确分割与识别仍是一项艰巨挑战，视网膜图像增强算法的研究一直以来都是该领域的一个活跃课题，一般的方法，如直方图均衡化对视网膜图像已不再适用，并不能区分不同病灶类型。
[0004]因此，有必要设计一种新的方式，实现分割视网膜图像中的硬性渗出、软性渗出和玻璃膜疣等病灶区域，可区分不同病灶类型。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的缺陷，提供眼底亮病灶区域识别装置。
[0006]为实现上述目的，本专利技术采用以下技术方案：眼底亮病灶区域识别装置，包括：图像获取单元，用于获取视网膜图像；分解单元，用于对所述视网膜图像进行二层小波分解，计算所述小波分解的强度图像；合并单元，用于对第一层和第二层的强度图像进行阈值分割以及合并，以得到合并结果；去噪单元，用于对所述合并结果去除噪声，以得到待分类区域；识别单元，用于将所述待分类区域进行硬性渗出、软性渗出和玻璃膜疣病灶的分类识别，以得到识别结果；输出单元，用于输出所述识别结果。
[0007]其进一步技术方案为：所述合并单元，用于对第一层和第二层的强度图像进行Otsu阈值分割以及合并，以得到合并结果。
[0008]其进一步技术方案为：所述去噪单元，用于对所述合并结果采用数学形态学中的开运算去除噪声，以得到待分类区域。
[0009]其进一步技术方案为：所述识别单元包括提取子单元以及分类子单元；其中，提取子单元，用于对所述待分类区域进行特征提取，以得到提取结果；分类子单元，用于将所述提取结果输入至分类模型内进行硬性渗出、软性渗出和玻璃膜疣病灶的分类识别，以得到识别结果。
[0010]其进一步技术方案为：所述分类模型是通过带有不同病灶类型的特征标签的图像作为样本集训练朴素贝叶斯分类器所得的。
[0011]其进一步技术方案为：所述提取子单元，用于提取所述待分类区域的平均饱和度、区域面积、离心率与紧致性、平均梯度幅值，以得到提取结果。
[0012]其进一步技术方案为：所述分类子单元包括第一确定模块、第二确定模块以及第三确定模块；其中，第一确定模块，用于将所述提取结果输入至所述分类模型内，统计所述提取结果在硬性渗出、软性渗出和玻璃膜疣类别下的条件概率，以得到条件概率值；第二确定模块，用于根据所述条件概率值利用朴素贝叶斯分类器确定所述待分类区域的条件概率；第三确定模块，用于根据所述待分类区域的条件概率确定识别结果。
[0013]本专利技术与现有技术相比的有益效果是：本专利技术通过对获取的视网膜图像采用二层小波分解进行图像增强，对强度图像进行阈值分割和合并，并去除噪声，以检测亮病变区域，再对亮病变区域进行特征提取后，根据特征进行分类，有效地提取待分类区域，并根据手动设计的图像特征，对其进行分类，达到区分不同病灶类型的目的，实现分割视网膜图像中的硬性渗出、软性渗出和玻璃膜疣等病灶区域，可区分不同的病灶类型。
[0014]下面结合附图和具体实施例对本专利技术作进一步描述。
附图说明
[0015]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例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。
[0016]图1为本专利技术实施例提供的眼底亮病灶区域识别方法的应用场景示意图；图2为本专利技术实施例提供的眼底亮病灶区域识别方法的流程示意图；图3为本专利技术实施例提供的眼底亮病灶区域识别方法的子流程示意图；图4为本专利技术实施例提供的眼底亮病灶区域识别方法的子流程示意图；图5为本专利技术实施例提供的二层小波分解示意图；图6为本专利技术实施例提供的哈尔小波二层分解后得到的细节图像的示意图；图7为本专利技术实施例提供的第一层小波分解的强度图像的示意图；图8为本专利技术实施例提供的第二层小波分解的强度图像的示意图；图9为本专利技术实施例提供的第一层小波分割的阈值分割结果的示意图；图10为本专利技术实施例提供的第二层小波分割的阈值分割结果的示意图；图11为本专利技术实施例提供的第一层和第二层的逻辑或运算的示意图；图12为本专利技术实施例提供的眼底亮病灶区域识别装置的示意性框图；图13为本专利技术实施例提供的计算机设备的示意性框图。
具体实施方式
[0017]下面将结合本专利技术实施例中的附图，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做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。
[0018]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0019]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0020]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0021]请参阅图1和图2，图1为本专利技术实施例提供的眼底亮病灶区域识别方法的应用场景示意图。图2为本专利技术实施例提供的眼底亮病灶区域识别方法的示意性流程图。该眼底亮病灶区域识别方法应用于服务器中。该服务器与相机以及终端进行数据交互，通过获取由相机拍摄的视网膜图像，采用小波分解技术进行分割，且采用设计的特征作为输入，利用朴素贝叶斯分类器进行病灶分类，实现有效地提取待分类区域，并根据手动设计的图像特征，对其进行分类，达到区分不同病灶类型的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.眼底亮病灶区域识别装置，其特征在于，包括：图像获取单元，用于获取视网膜图像；分解单元，用于对所述视网膜图像进行二层小波分解，计算所述小波分解的强度图像；合并单元，用于对第一层和第二层的强度图像进行阈值分割以及合并，以得到合并结果；去噪单元，用于对所述合并结果去除噪声，以得到待分类区域；识别单元，用于将所述待分类区域进行硬性渗出、软性渗出和玻璃膜疣病灶的分类识别，以得到识别结果；输出单元，用于输出所述识别结果。2.根据权利要求1所述的眼底亮病灶区域识别装置，其特征在于，所述合并单元，用于对第一层和第二层的强度图像进行Otsu阈值分割以及合并，以得到合并结果。3.根据权利要求1所述的眼底亮病灶区域识别装置，其特征在于，所述去噪单元，用于对所述合并结果采用数学形态学中的开运算去除噪声，以得到待分类区域。4.根据权利要求1所述的眼底亮病灶区域识别装置，其特征在于，所述识别单元包括提取子单元以及分类子单元；其中，提取子单元，用于对所述待分类区域进行特征提取，...

【专利技术属性】
技术研发人员：程得集，吕兴正，程香云，程子豪，
申请(专利权)人：杭州目乐医疗科技股份有限公司，
类型：发明
国别省市：