視杯視盤圖像識別方法、裝置、設備及存儲介質制造方法及圖紙

本申請公開了一種視杯視盤圖像識別方法、裝置、設備及存儲介質，該方法包括：獲取待分析視杯視盤圖像的分割信息，對該視杯區的邊緣信息及該視盤區的邊緣信息進行橢圓擬合，得到該視杯區對應的擬合橢圓及該視盤區對應的擬合橢圓；基于該視杯區對應的擬合橢圓及該視盤區對應的擬合橢圓，確定該待分析視杯視盤圖像的盤沿形態量化值。本申請實施例通過對視杯視盤圖像的多維度量化識別，進而利用所得到的盤沿形態量化值對視杯視盤形態的是否異常進行判斷，從而提高了判斷的精確度。

Image recognition method, device, equipment and storage medium

【技術實現步驟摘要】
視杯視盤圖像識別方法、裝置、設備及存儲介質
本申請一般涉及人工智能
，尤其涉及視杯視盤圖像識別方法、裝置、設備及存儲介質。
技術介紹
作為人體重要的器官，眼睛的健康狀況，與人的生活質量緊密相關。隨著人工智能技術以及圖像處理技術的發展，被逐漸用于對眼底照的處理分析，以體現眼部狀態的變化。目前，在對眼底圖像進行分析時，通常是基于利用機器學習模型或者圖像處理，將其中的視杯區和視盤區進行分割，進而在分割結果的基礎上，通過經驗觀察分割后的視杯區及視盤區的形態，以確定眼底照中視杯視盤的形態變化。對于上述的通過經驗觀察，來判斷視盤及視杯的形態，使得準確性低，可靠性差。
技術實現思路
鑒于現有技術中的上述缺陷或不足，期望提供一種視杯視盤圖像識別方法、裝置、設備及存儲介質，通過確定待分析視杯視盤圖像的盤沿形態量化值，以提高視杯視盤形態判斷的準確性。第一方面，本申請實施例提供了一種視杯視盤圖像識別方法，該方法包括：獲取待分析視杯視盤圖像的分割信息，該分割信息包括視杯區的邊緣信息及視盤區的邊緣信息；對該視杯區的邊緣信息及該視盤區的邊緣信息進行橢圓擬合，得到該視杯區對應的擬合橢圓及該視盤區對應的擬合橢圓；基于該視杯區對應的擬合橢圓及該視盤區對應的擬合橢圓，確定該待分析視杯視盤圖像的盤沿形態量化值，該盤沿形態量化值是用于判定該視杯視盤圖像中的視杯視盤的形態是否正常的參量。第二方面，本申請實施例提供一種視杯視盤圖像分析裝置，該裝置包括：獲取模塊，用于獲取待分析視杯視盤圖像的分割信息，該分割信息包括視杯區的邊緣信息及視盤區的邊緣信息；擬合模塊，用于對該視杯區的邊緣信息及該視盤區的邊緣信息進行橢圓擬合，得到該視杯區對應的擬合橢圓及該視盤區對應的擬合橢圓；第一確定模塊，用于基于該視杯區對應的擬合橢圓及該視盤區對應的擬合橢圓，確定該待分析視杯視盤圖像的盤沿形態量化值，該盤沿形態量化值是用于判定該視杯視盤圖像中的視杯視盤的形態是否正常的參量。第三方面，本申請實施例提供一種設備，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，該處理器執行該程序時實現如上述第一方面所述的視杯視盤圖像識別方法。第四方面，本申請實施例提供一種計算機可讀存儲介質，其上存儲有計算機程序，該計算機程序用于實現如上第一方面所述的視杯視盤圖像識別方法。本申請實施例提供的視杯視盤圖像識別方法、裝置、設備及存儲介質，在獲取到待分析的視杯視盤圖像的分割結果后，通過對分割結果中視杯區及視盤區的邊緣信息進行橢圓擬合處理后，對視杯視盤圖像的多維度量化分析，計算待分析視杯視盤圖像的盤沿形態量化值，進而利用該盤沿形態量化值判斷視杯視盤圖像中的視杯視盤形態是否異常，為眼底圖像中視杯視盤的形態判斷和分析提供了科學依據。附圖說明通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本申請的其它特征、目的和優點將會變得更明顯：圖1所示為本申請實施例的待分析的視杯視盤圖像示意圖；圖2所示為本申請實施例的待分析的視杯視盤圖像的分割示意圖；圖3所示為本申請的視杯視盤圖像識別方法的流程示意圖；圖4所示為本申請實施例的視杯區及視盤區的橢圓擬合示意圖；圖5所示為本申請又一實施例的視杯視盤圖像識別方法的流程示意圖；圖6所示為本申請實施例的中正常狀態下視杯區及視盤區示意圖；圖7所示為本申請實施例的中的非正常狀態下視杯區及視盤區示意圖；圖8所示為本申請實施例的極坐標系中的正常狀態下視杯區及視盤區示意圖；圖9所示為本申請實施例的極坐標系中的非正常狀態下視杯區及視盤區示意圖；圖10所示為標準盤沿寬度的變化曲線示意圖；圖11為本申請實施例的正常狀態下的盤沿寬度變化示意圖；圖12為本申請實施例的正常狀態下的盤沿寬度變化示意圖；圖13所示為本申請再一實施例的視杯視盤圖像識別方法的流程示意圖；圖14所示為本申請實施例的視杯區及視盤區的縱向尺寸示意圖；圖15所示為本申請實施例的視杯區及視盤區的橫向尺寸示意圖；圖16所示為本申請實施例的視杯區及視盤區的長軸尺寸示意圖；圖17所示為本申請實施例的視杯區及視盤區的面積示意圖；圖18所示為本申請實施例的視杯視盤圖像分析裝置的結構示意圖；圖19為本申請實施例的終端設備的計算機系統的結構示意圖。具體實施方式下面結合附圖和實施例對本申請作進一步的詳細說明。可以理解的是，此處所描述的具體實施例僅僅用于解釋相關公開，而非對該公開的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與公開相關的部分。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。下面將參考附圖并結合實施例來詳細說明本申請。機器學習(MachineLearning,ML)涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。機器學習是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域。機器學習和深度學習通常包括人工神經網絡、置信網絡、強化學習、遷移學習、歸納學習、式教學習等技術。可以理解，通過拍照等技術獲取到的左眼的眼底圖像如圖1所示，可以包括視盤對應的視盤區、位于視盤區中間的視杯對應的視杯區及視盤區及視杯區之間的盤沿區。進一步，為了確定視杯區及視盤區的邊緣位置，在獲取到眼底圖像后，可以利用機器學習算法或者圖像處理技術等，對眼底圖像進行分割，識別出視杯區域及視盤區域的邊緣位置，識別結果可以如圖2所示，進而可以確定視杯邊緣與視盤邊緣之間的盤沿區。即基于該分割結果，盤沿區為視杯區邊緣到視盤區域邊緣的區域，則盤沿寬度可以表示為以視杯中心為中心點，向視杯區及視盤區各個方向所引出射線時，同一射線上，視杯邊緣與射線的交點到視盤邊緣與射線的交點之間的距離；視盤半徑為中心點到視盤邊緣與各射線的交點的距離，視杯半徑為中心點到視杯邊緣與各射線的交點的距離。本申請實施例為了對視杯及視盤的形態實現多維度的準確描述，為視杯視盤圖像中視杯視盤形態的判斷及分析提供依據，在如圖2所示的分割結果的基礎上，通過利用分割結果，確定視杯視盤的盤沿形態量化值，以精準的量化值來描述待分析的眼底圖像的視杯視盤的特征。本申請實施例中對視杯視盤圖像的識別方法，可以由設備執行，該設備可以為具有數據處理能力的計算機設備，如具有圖像識別及分割能力的計算機，或者便攜式的醫療終端設備等。為了便于理解和說明，下面通過圖3至圖19詳細闡述本申請實施例提供的視杯視盤圖像識別方法、裝置、設備及存儲介質。圖4所示為本申請實施例的視杯視盤參數計算方法的流程示意圖，該方法由設備執行，包括：S01，設備獲取待分析視杯視盤圖像的分割信息，該分割信息包括視杯區的邊緣本文檔來自技高網...

【技術保護點】
1.一種視杯視盤圖像識別方法，其特征在于，所述方法包括：/n獲取待分析視杯視盤圖像的分割信息，所述分割信息包括視杯區的邊緣信息及視盤區的邊緣信息；/n對所述視杯區的邊緣信息及所述視盤區的邊緣信息進行橢圓擬合，得到所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓；/n基于所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓，確定所述待分析視杯視盤圖像的盤沿形態量化值，并通過所述盤沿形態量化值判定所述視杯視盤圖像中的視杯視盤的形態是否異常。/n

【技術特征摘要】
1.一種視杯視盤圖像識別方法，其特征在于，所述方法包括：
獲取待分析視杯視盤圖像的分割信息，所述分割信息包括視杯區的邊緣信息及視盤區的邊緣信息；
對所述視杯區的邊緣信息及所述視盤區的邊緣信息進行橢圓擬合，得到所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓；
基于所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓，確定所述待分析視杯視盤圖像的盤沿形態量化值，并通過所述盤沿形態量化值判定所述視杯視盤圖像中的視杯視盤的形態是否異常。


2.根據權利要求1所述的視杯視盤圖像識別方法，其特征在于，所述盤沿形態量化值包括盤沿平均系數、盤沿變化系數和/或盤沿基準系數，則所述基于所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓，確定所述待分析視杯視盤圖像的盤沿形態量化值包括：
基于所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓，確定所述待分析視杯視盤圖像的所述視盤區的各邊緣點對應的盤沿寬度；
基于所述盤沿寬度確定所述盤沿平均系數、所述盤沿變化系數和/或所述盤沿基準系數，其中，
所述盤沿平均系數表示所述待分析視杯視盤圖像的盤沿區在所述視盤區中的占比；
所述盤沿變化系數表示所述待分析視杯視盤圖像的盤沿寬度的變化趨勢與標準視杯視盤圖像的盤沿寬度的變化趨勢的匹配度；
所述盤沿基準系數表示所述待分析視杯視盤圖像的各參考點對應的盤沿寬度之間的關系。


3.根據權利要求2所述的視杯視盤圖像識別方法，其特征在于，所述基于所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓，確定所述待分析視杯視盤圖像的所述視盤區的各邊緣點對應的盤沿寬度包括：
以所述視杯區對應的擬合橢圓中心為起點，對所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓進行坐標轉換，得到極坐標系中的所述視杯區的邊緣信息及所述視盤區的邊緣信息；
對所述極坐標系中的所述視盤區的下邊緣進行對齊，其中，所述極坐標系中，所述視杯區的下邊緣各點第一方向上的坐標值表示所述視盤區的各邊緣點對應的盤沿寬度。


4.根據權利要求2所述的視杯視盤圖像識別方法，其特征在于，所述基于所述視杯區對應的擬合橢圓及所述視盤區對應的擬合橢圓，確定所述待分析視杯視盤圖像的所述視盤區的各邊緣點對應的盤沿寬度包括：
以所述視杯區對應的擬合橢圓中心為中心點，確定所述中心點到所述視盤區的擬合橢圓的各邊緣點的距離為視盤半徑，確定所述中心點到所述視杯區的擬合橢圓的各邊緣點的距離為視杯半徑；
計算視盤區的各邊緣點對應的所述視杯半徑與所述半徑的差值，所述差值作為個邊緣點對應的所述盤沿寬度。


5.根據權利要求2-4中任一項所述的視杯視盤圖像識別方法，其特征在于，所述基于所述盤沿寬度確定所述盤沿平均系數包括：
確定所述視盤區各邊緣點對應的盤沿寬度與視盤半徑的比值；
確定所有或部分邊緣點對應的所述比值的平均值，所述平均值作為所述盤沿平均系數，其中，所述極坐標系中，所述視杯區上邊緣各點的第一方向上的坐標值表示視盤半徑。


6.根據權利要求2-4中任一項所述的視杯視盤圖像識別方法，其特征在于，所述基于所述盤沿寬度確定所述盤沿變化系數包括：
確定待分析視杯視盤圖像的所述視盤區的各邊緣點的盤沿寬度，與標準視杯視盤圖像的視盤區對應的各邊緣點的盤沿寬度之間的相關系數，所述相關系數作為所述盤沿變化系數。


7.根據權利要求2-4任一項所述的視杯視盤圖像識別方法，其特征在于，所述基于所述盤沿寬度確定所述盤沿基準系數包括：
確定所述視盤邊緣的第一參考點、第二參考點、第三參考點及第四參考點對應的盤沿寬度；
計算所述第一參考點、所述第二參考點及所述第四參考點對應的盤沿寬度與所述第三參考點對應的盤沿寬度的變化度；

【專利技術屬性】
技術研發人員：余雙，馬鍇，鄭冶楓，龔麗君，邊成，初春燕，劉含若，王寧利，
申請(專利權)人：騰訊醫療健康深圳有限公司，
類型：發明
國別省市：廣東;44