(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210919551.2 (22)申请日 2022.08.02 (71)申请人 南方科技大 学 地址 518055 广东省深圳市南 山区西丽学 苑大道1088号 (72)发明人 金日初　刘江　胡衍　缪函霈　 姜泓羊　王星月　曾娜　叶海礼　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 周翀 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/762(2022.01) G06V 10/24(2022.01) G06T 7/30(2017.01)G06T 5/50(2006.01) G06N 5/02(2006.01) (54)发明名称 视网膜图谱构建方法及其装置、 计算机设 备、 存储介质 (57)摘要 本申请实施例提出的视网膜图谱构建方法 及其装置、 计算机设备、 存储介质， 通过 获取不同 被试对象的初始视网膜图像， 对初始视网膜图像 进行分层处理， 得到整体厚度图像和多个分层厚 度图像， 对整体厚度图像进行图像配准， 得到变 形向量场， 根据变形向量场对分层厚度图像进行 图像变换， 得到目标视网膜图像， 将不同被试对 象对应的目标视网膜图像进行 组合， 得到视网膜 厚度图像张量， 对视网膜厚度图像张量进行分 解， 得到目标视网膜图像中每一像素点对应的特 征向量， 基于特征向量对目标视网膜图像中的全 部像素点进行聚类， 得到聚类结果， 根据聚类结 果对分层厚度图像中与 目标视网膜 图像对应的 像素点进行标记得到目标视网膜图谱， 能够提高 视网膜分区的准确性。 权利要求书2页 说明书11页 附图5页 CN 115439900 A 2022.12.06 CN 115439900 A 1.视网膜图谱构建方法， 其特 征在于， 所述方法包括： 获取不同被试对象的初始视网膜图像； 对所述初始视网膜图像进行分层处 理， 得到整体厚度图像和多个分层厚度图像； 对所述整体厚度图像进行图像 配准， 得到变形向量场； 根据所述变形向量场对所述分层厚度图像进行图像 变换， 得到目标视网膜图像； 将不同被试对象对应的目标视网膜图像进行组合， 得到 视网膜厚度图像张量； 对所述视网膜厚度图像张量进行分解， 得到所述目标视网膜图像中每一像素点对应的 特征向量， 所述特征向量由不同被试对象的目标视网膜图像在同一像素位置的像素点组 成； 基于所述特 征向量对所述目标视网膜图像中的全部像素点进行聚类， 得到聚类结果； 根据所述 聚类结果对所述分层厚度图像中与目标视网膜图像对应的像素点进行标记， 得到所述分层厚度图像对应的目标视网膜图谱。 2.根据权利要求1所述的视网膜图谱构建方法， 其特征在于， 在所述对所述初始视网膜 图像进行分层处理， 得到整体厚度图像和多个分层厚度图像之后， 所述视网膜图谱构建方 法还包括： 对所述整体厚度图像进行图像去噪， 得到去噪后的整体厚度图像； 对所述分层厚度图像进行图像去噪， 得到去噪后的分层厚度图像。 3.根据权利要求1所述的视网膜图谱构建方法， 其特征在于， 在所述对所述初始视网膜 图像进行分层处理， 得到整体厚度图像和多个分层厚度图像之后， 所述视网膜图谱构建方 法还包括： 对所述整体厚度图像进行图像增强， 得到增强后的整体厚度图像； 对所述分层厚度图像进行图像增强， 得到增强后的分层厚度图像。 4.根据权利要求1所述的视网膜图谱构建方法， 其特征在于， 所述对所述整体厚度图像 进行图像 配准， 得到变形向量场， 包括： 对不同被试对象的整体厚度图像进行厚度平均计算， 得到模板 视网膜图像； 对所述模板 视网膜图像进行极坐标空间变换， 得到极坐标模板图像； 对所述整体厚度图像进行极坐标空间变换， 得到极坐标厚度图像； 将所述极坐标模板图像和所述极坐标厚度图像进行图像配准， 得到极坐标空间变形向 量场； 将所述极坐标空间变形向量场进行图像空间变换， 得到变形向量场。 5.根据权利要求4所述的视网膜图谱构建方法， 其特征在于， 所述将所述极坐标模板图 像和所述极坐标厚度图像进行图像 配准， 得到极坐标空间变形向量场， 包括： 根据极坐标空间的角度对所述极坐标模板 图像进行扫描， 得到第一厚度曲线； 所述第 一厚度曲线为所述极坐标模板图像 每个角度对应的厚度信息； 根据极坐标空间的角度对所述极坐标厚度图像进行扫描， 得到第二厚度曲线； 所述第 二厚度曲线为所述极坐标厚度图像 每个角度对应的厚度信息； 对所述第一厚度曲线和所述第二厚度曲线 进行一致性特征提取， 得到目标 特征点； 根据所述目标特征点在所述极坐标空间内对所述极坐标模板图像和所述极坐标厚度 图像进行图像 配准， 得到极坐标空间变形向量场。权　利　要　求　书 1/2 页 2 CN 115439900 A 26.根据权利要求1至5任一项所述的视网膜图谱构建方法， 其特征在于， 所述基于所述 特征向量对所述目标视网膜图像中的全部像素点进行聚类， 得到聚类结果， 包括： 确定聚类中心； 计算所述目标视网膜图像中每一像素点对应的所述特征向量与所述聚类中心的相似 度； 根据所述相似度对所述目标视网膜图像中的全部像素点进行聚类， 得到聚类结果。 7.根据权利要求1至5任一项所述的视网膜图谱构建方法， 其特征在于， 所述根据所述 聚类结果对所述分层厚度图像中与目标视网膜图像对应的像素点进行标记， 得到所述分层 厚度图像对应的目标视网膜图谱， 包括： 根据所述 聚类结果对所述分层厚度图像中与目标视网膜图像对应的像素点进行标记， 得到初始视网膜图谱； 对所述初始视网膜图谱进行后处理， 从所述初始视网膜图谱中去 除离群点， 得到目标 视网膜图谱。 8.视网膜图谱构建装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取不同被试对象的初始视网膜图像； 分层模块， 用于对所述初始视网膜图像进行分层处理， 得到整体厚度图像和多个分层 厚度图像； 图像配准模块， 用于对所述整体厚度图像进行图像 配准， 得到变形向量场； 图像变换模块， 用于根据所述变形向量场对所述分层厚度图像进行图像变换， 得到目 标视网膜图像； 图像组合模块， 用于将不同被试对象对应的目标视网膜图像进行组合， 得到视网膜厚 度图像张量； 分解模块， 用于对所述视网膜厚度图像张量进行分解， 得到所述目标视网膜图像中每 一像素点对应的特征向量， 所述特征向量由不同被试对象的目标视网膜图像在同一像素位 置的像素点组成； 聚类模块， 用于基于所述特征向量对所述目标视网膜图像中的全部像素点进行聚类， 得到聚类结果； 视网膜图谱构建模块， 用于根据所述 聚类结果对所述分层厚度图像中与目标视网膜图 像对应的像素点进行 标记， 得到所述分层厚度图像对应的目标视网膜图谱。 9.计算机设备， 其特征在于， 所述计算机设备包括存储器和 处理器， 其中， 所述存储器 中存储有程序， 所述 程序被所述处 理器执行时所述处 理器用于执 行： 如权利要求1至7中任一项所述的视网膜图谱构建方法。 10.存储介质， 所述存储介质为计算机可读存储介质， 其特征在于， 所述计算机可读存 储介质存 储有计算机程序， 在所述计算机程序被 计算机执 行时， 所述计算机用于执 行： 如权利要求1至7中任一项所述的视网膜图谱构建方法。权　利　要　求　书 2/2 页 3 CN 115439900 A 3