一种识别视网膜出血图像的人工智能方法及系统.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111179258 A (43)申请公布日 2020.05.19 (21)申请号 201911419425.5 (22)申请日 2019.12.31 (71)申请人 中山大学中山眼科中心 地址 510000 广东省广州市越秀区先烈南 路54号 (72)发明人 林浩添　李中文　郭翀　林铎儒　 (74)专利代理机构 广州润禾知识产权代理事务 所(普通合伙) 44446 代理人 欧秋望 (51)Int.Cl. G06T 7/00(2017.01) G06K 9/62(2006.01) G06N 3/04(2006.01) 权利要求书2页 说明书9页 附图2页 (54)发明名称 一种识别视网膜出血图像的人工智能方法 及系统 (57)摘要 本发明涉及医学图像处理领域，更具体地涉 及一种识别视网膜出血图像的人工智能方法及 系统，包括以下步骤：对卷积神经网络进行深度 学习训练得到识别视网膜出血模型；将广域眼底 图像输入到所述识别视网膜出血模型中，判断所 述广域眼底图像是否出现视网膜出血；当判断存 在视网膜出血时，在所述广域眼底图像上定位视 网膜出血病灶部位。本发明依靠人工智能深度学 习的敏感性和准确性对广域眼底图像的视网膜 进行分析，使得视网膜出血的早期筛查更准确、 更智能、更便携，有利于提高筛查效率，减少其对 A 人群造成不可逆的损害。 8 5 2 9 7 1 1 1 1 N C CN 111179258 A 权　利　要　求　书 1/2页 1.一种识别视网膜出血图像的人工智能方法，其特征在于，包括以下步骤： 对卷积神经网络进行深度学习训练得到识别视网膜出血模型； 将广域眼底图像输入到所述识别视网膜出血模型中，判断所述广域眼底图像是否出现 视网膜出血； 当判断存在视网膜出血时，在所述广域眼底图像上定位视网膜出血病灶部位。 2.根据权利要求1所述的一种识别视网膜出血图像的人工智能方法，其特征在于，还包 括： 根据广域眼底图像的视网膜结构确定广域眼底图像的黄斑区； 判断所述视网膜出血病灶部位是否处于黄斑区确定是否存在黄斑性视网膜出血。 3.根据权利要求1所述的一种识别视网膜出血图像的人工智能方法，其特征在于，所述 根据广域眼底图像的视网膜结构确定黄斑区，还包括： 根据广域眼底图像的视网膜结构采用白色圆圈确定广域眼底图像的黄斑区。 4.根据权利要求3所述的一种识别视网膜出血图像的人工智能方法，其特征在于，包 括： 当判断存在黄斑性视网膜出血时，白色圆圈变换为红色圆圈。 5.根据权利要求1所述的一种识别视网膜出血图像的人工智能方法，其特征在于，所述 对卷积神经网络进行深度学习训练得到识别视网膜出血模型，具体包括： 将大量广域眼底图像分类为视网膜出血图像和非视网膜出血图像； 对分类后的所述广域眼底图像进行图像处理，以使分类后的所述广域眼底图像的数量 增量至n倍，n为大于等于2的整数，所述图像处理包括调节明暗程度和/或图像位移和/或图 像旋转和/或镜面反转； 采用增量后的所述广域眼底图像对卷积神经网络进行深度学习训练，得到识别视网膜 出血模型。 6.根据权利要求1所述的一种识别视网膜出血图像的人工智能方法，其特征在于，所述 在所述广域眼底图像上定位视网膜出血病灶部位，具体包括： 对所述广域眼底图像中视网膜出血进行特征提取，计算广域眼底图像每个像素对于卷 积神经网络分类结