一种视网膜眼底彩色照片图像筛选方法与流程

本发明涉及医学图像处理技术领域，更具体地，是一种视网膜眼底彩色照片图像筛选方法。

背景技术：

近年来，随着人民生活水平的提高，高强度的生活、不健康的生活方式、逐渐增大工作压力使得眼底疾病的患病率不断上升，而且逐步向年轻化发展。此外，由于不良的学习习惯，青少年近视人数也在连年攀升。这些眼科疾病的突发性、严重性已经严重危及了人们的生命。因此，根据视网膜眼底彩色照片-早期发现和正确诊断相关眼科疾病具有非常重要的作用。

目前，对于眼底病变的相关诊断都是由眼科医生对每一张眼底图像进行读片获得。因此，高质量的眼底图像对于临床诊断具有十分重要的作用，例如使眼科诊疗水平得到进一步提升、使患者享受到更优质的医疗服务等。同时，随着计算机技术的快速发展，利用人工智能技术对眼底图像进行分析也成为医疗领域的研究热点，由于人工智能相关算法模型需要大量的数据作为基础，因此，如何快速获得高质量的数据也成为限制算法模型效率提升的重要原因。

由于目前各种眼底图像采集设备质量参差不齐，图像拍摄人员缺乏培训，导致获得的图像虽然数量很大但无法保证质量，更进一步，则无法用于人工智能算法的开发，导致医学人工智能研究进展缓慢。因此，如何从大规模视网膜眼底彩色照片图像数据中筛选出高质量的可用于医生诊断以及人工智能算法模型开发的图像数据也成为一大难题。

技术实现要素：

针对的现有技术中无法从大规模视网膜眼底彩色照片图像数据中筛选出高质量图像数据的问题，本发明提供了一种视网膜眼底彩色照片图像筛选方法，

一种视网膜眼底彩色照片图像筛选方法，所述视网膜眼底彩色照片图像筛选方法包括以下步骤：

s1.对不同设备采集的视网膜眼底彩色照片图像数据进行批量预处理；

s2.从预处理后的图像数据中选择一张图像作为标准模板图像，将待筛选图像与标准模板图像进行图像相似度计算；

s3.根据图像相似度计算结果设置相似度阈值，根据相似度阈值筛选出符合要求的图像并获得图像的属性信息；

s4.使用符合相似度阈值的图像的属性信息与所有的图像数据的属性信息进行匹配，完成视网膜眼底彩色照片图像的筛选。

进一步，所述s1中对不同设备采集的视网膜眼底彩色照片图像数据进行批量预处理，包括但不仅限于：图像灰度转换、z-score标准化、限制对比度自适应直方图均衡、gamma校正、数据归一化等步骤。

进一步，所述s2的具体步骤如下：

s21.从预处理后的所有图像中，允许用户从中选择一张图像作为标准模板图像，由于图像数据之间的差异存在于特定像素范围内，因此需要选择对比相似度的像素范围，设定相似度计算区域；同时，用户在进行相似度对比时，选择是否对设定范围内的图像进行切割并生成切割信息，即将计算区域分成不同大小的图像块；

s22.根据用户对图像相似度计算区域的设定，同时将对计算区域进行切割的切割信息运用到待筛选的图像中，将计算区域切割分成不同大小的图像块，依次进行待筛选图像的图像块与标准模板图像的图像块的图像相似度的计算，得到待筛选的图像的相似度指数。

进一步，所述s3中包括根据图像相似度计算结果设置阈值，筛选出符合要求的图像并获得图像的属性信息，具体步骤如下：基于图像相似度的计算结果，设定相似度阈值，图像的相似度指数大于相似度阈值的图像为需要筛选的图像，将符合相似度阈值的图像进行筛选，获得符合相似度阈值的图像的属性信息。其中，所述图像的属性信息包括，图像的名称、格式信息。

进一步，所述s4的具体步骤如下：使用符合相似度阈值的图像的属性信息与所有的图像数据的属性信息进行匹配，抽取与符合相似度阈值的图像的属性信息相同的图像，完成对视网膜眼底彩色照片图像的筛选。

与现有技术相比，本发明技术方案的有益效果是：

本发明利用图像数据筛选方法从大规模视网膜眼底彩色照片图像数据中筛选出高质量的眼底图像，允许用户修改图像相似度计算区域以及是否选择切割图像，最终得到可用于临床诊断以及人工智能算法开发的高质量视网膜眼底彩色照片图像数据。

附图说明

图1为本发明所述视网膜眼底彩色照片图像筛选方法较佳实施例的流程图；

图2为采集到的视网膜眼底彩色照片图像；

图3为眼外观图像；

图4为预处理之后的视网膜眼底图像；

图5为用户的勾画相似度计算区域，a为用户可以设定的区域大小。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，仅用于示例性说明，不能理解为对本专利的限制。基于本发明中的实施例，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，都属于本发明保护的范围。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

请参考图1，其为本发明所述视网膜眼底彩色照片图像筛选方法较佳实施例的流程图。如图1所示，所述视网膜眼底彩色照片图像筛选方法包括以下步骤：

s1.对不同设备采集的视网膜眼底彩色照片图像数据进行批量预处理；

s2.从预处理后的图像数据中选择一张图像作为标准模板图像，将待筛选图像与标准模板图像进行图像相似度计算；

s3.根据图像相似度计算结果设置相似度阈值，根据相似度阈值筛选出符合要求的图像并获得图像的属性信息；

s4.使用符合相似度阈值的图像的属性信息在所有的图像数据的属性信息进行匹配，抽取与符合相似度阈值的图像的属性信息相同的图像，完成对视网膜眼底彩色照片图像的筛选。

实施例2

本实施例提供的视网膜眼底彩色照片图像筛选的方法与实施例1一致，仅对各个步骤做进一步的具体说明。

本发明所采用的方案，具体的实现过程如下：

s1.首先采集不同设备拍摄的视网膜眼底彩色照片图像数据，对采集到的数据进行预处理，包括但不限于图像灰度转换、z-score标准化、限制对比度自适应直方图均衡、gamma校正、数据归一化等步骤。图2为采集到的视网膜眼底彩色照片图像，图3为眼外观图像，图4为预处理之后的视网膜眼底图像。

s21.从预处理后的图像数据中选择一张作为标准模板图像，对相似度计算区域进行设定以及选择是否对图像作分割处理，具体步骤如下：从预处理后的所有图像中，允许用户从中选择一张图像作为标准模板图像，由于图像数据之间的差异存在于特定像素范围内，因此需要选择对比相似度的像素范围，设定相似度计算区域；同时，用户可以选择在进行相似度对比时，判断是否需要对设定范围内的图像进行切割并生成切割信息，将计算区域分成不同大小的图像块，图5为用户勾画相似度计算区域，a为用户可以设定的区域大小。

s22.根据用户对图像相似度计算区域的设定，同时将对计算区域进行切割的切割信息运用到待筛选的图像中，将计算区域切割分成不同大小的图像块，依次进行待筛选图像的图像块与标准模板图像的图像块的图像相似度的计算，得到待筛选的图像的相似度指数。

s3.根据图像相似度计算结果设置阈值，筛选出符合要求的图像并获得图像的属性信息，具体为：基于图像相似度的计算结果，设定相似度阈值，图像的相似度指数大于相似度阈值的图像为需要筛选的图像，将符合相似度阈值的图像进行筛选，获得符合相似度阈值的图像的属性信息。其中，所述图像的属性信息包括，图像的名称、格式信息。

s4.使用符合相似度阈值的图像的属性信息在所有的图像数据中的图像名称进行匹配，抽取与符合相似度阈值的图像的属性信息相同的图像，完成对视网膜眼底彩色照片图像的筛选。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。