技术摘要：
本发明涉及超声图像处理技术领域，尤其涉及一种基于眼部超声图像的处理方法，包括：步骤S1，提供人类眼部的超声频谱图像；步骤S2，将超声频谱图像转换为灰度图；步骤S3，对灰度图进行初步处理；步骤S4，对进行初步处理后的灰度图的感兴趣区域进行边缘提取，提取到感兴  全部
背景技术：
随着智能化技术和无线传输技术发展日益成熟，超声检测设备有着重要作用和影 响，其能够帮助医生有效认知和了解病人的健康状况，给临床医生带来了极大的便捷，尤其 在初诊筛选检查和病人分流过程中，其优势更为突出，因此超声图像被广泛运用于医疗检 测技术领域。 在现有技术中，医生在临床诊断中发现，糖尿病与眼底的微小病变密切相关，清晰 显示眼底图像是诊断的关键，但是目前采集眼底图像是通过眼科的光学成像技术显示患者 的眼底组织，但光学成像方法所采集图像的清晰度受屈光间质(眼部的屈光系统由角膜、房 水、晶状体和玻璃体构成，统称为屈光间质)的影响。因此，本发明提出使用超声成像方法采 集眼底的超声图像，超声成像方法所采集的超声图像不受屈光间质的影响，对超声图像进 行处理，得到相应的图像特征，通过图像处理后得到的图像特征可以辅助医生来判别病灶。
技术实现要素：
针对现有技术中存在的上述问题，现提供一种基于眼部超声图像的处理方法。 具体技术方案如下： 本发明一种基于眼部超声图像的处理方法，包括： 步骤S1，提供人类眼部的超声频谱图像； 步骤S2，将所述超声频谱图像转换为灰度图； 步骤S3，对所述灰度图进行初步处理； 步骤S4，对进行初步处理后的所述灰度图的感兴趣区域进行边缘提取，提取到所 述感兴趣区域的边界点集合，并找出所述边界点集合中具有最大峰值的边界点； 步骤S5，计算出最接近所述最大峰值的复数个所述边界点的曲率，并根据所述曲 率的变化数值形成一处理结果。 优选的，所述步骤S3包括： 步骤S31，对所述灰度图进行降噪处理； 步骤S32，对进行所述降噪处理后的所述灰度图进行二值化处理； 步骤S33，分别对所述灰度图进行膨胀处理和腐蚀处理。 优选的，于所述步骤S31中，通过高斯滤波函数进行所述降噪处理，利用一维高斯 函数构造一滤波器，分别按行、列对所述灰度图进行卷积操作，得到平滑图像，具体通过下 述公式表示： 5 CN 111583248 A 说　明　书 2/7 页 G(x,y)＝f(x,y)×H(x,y) 其中， (a,b)用于表示卷积模板中的位置坐标； σ＝((k-1)*0.5–1)*0.3 0.8，k用于表示所述卷积模板的大小； f(x,y)用于表示所述灰度图； H(x,y)用于表示所述滤波器； G(x,y)用于表示所述平滑图像。 优选的，于所述步骤S33中，通过一卷积模板来对进行所述二值化处理后的所述灰 度图进行所述膨胀处理，扫描所述灰度图中的每一个像素点，使用所述卷积模板的元素与 所述灰度图的元素进行卷积运算，以计算所述卷积模板所覆盖区域的所述像素点的最大 值，并用所述最大值替换所述卷积模板的参考点的像素值，具体通过下述公式表示： 其中， A用于表示进行所述二值化处理后的所述灰度图； B用于表示所述卷积模板。 优选的，于所述步骤S33中，通过一卷积模板来对进行所述二值化处理后的所述灰 度图进行所述腐蚀处理，扫描所述灰度图中的每一个像素点，使用所述卷积模板的元素与 所述灰度图的元素进行卷积运算，以计算所述卷积模板所覆盖区域的所述像素点的最小 值，并用所述最小值替换所述卷积模板的参考点的像素值，具体通过下述公式表示： 其中， A用于表示进行所述二值化处理后的所述灰度图； B用于表示所述卷积模板。 优选的，于所述步骤S4中，使用OpenCV跨平台计算机视觉库对所述感兴趣区域进 行所述边界点的识别，以识别出所述边界点集合，并对所述边界点集合进行排序，找出所述 边界点集合中具有最大峰值的所述边界点。 优选的，于所述步骤S4中，利用2X2邻域一阶偏导的有限差分计算所述灰度图的所 有像素点的梯度幅值和梯度方向，对所述梯度幅值进行非极大值抑制，若某个所述像素点 的所述梯度幅值大于或等于沿所述梯度方向上两个相邻的所述像素点的所述梯度幅值，则 判定该像素点为所述边缘点，具体通过下述公式计算所述梯度幅值 和所述梯度方向 6 CN 111583248 A 说　明　书 3/7 页 其中， 用于表示所述像素点的梯度幅值， 和 用于表示所述像素点沿梯度方 向上两个相邻的所述像素点的梯度幅值。 优选的，于所述步骤S5中，计算出最接近所述最大峰值的10个所述边界点集的曲 率，并形成所述曲率变化结果。 优选的，于所述步骤S5中，包括预先建立多层循环神经网络模型，并通过一参考曲 率的变化数值对所述多层循环神经网络模型进行训练，得到二分类交叉熵损失函数，通过 所述二分类交叉熵损失函数输出所述处理结果。 优选的，于所述步骤S33中，使用4个卷积模板分别对所述灰度图进行四次所述膨 胀处理以及四次所述腐蚀处理，具体通过下述公式表示： E(x,y)＝(((D(x,y)-B1)-B2)-B3)-B4 其中， B1、B2、B3、B4分别用于表示4个所述卷积模板； D(x,y)用于表示经过四次所述膨胀处理后得到的所述灰度图； E(x,y)用于表示经过四次所述腐蚀处理后得到的所述灰度图。 优选的，所述卷积模板的形状包括正方形或圆形。 优选的，所述步骤S2至所述步骤S5在一云平台内进行。 上述技术方案具有如下优点或有益效果：本发明提出一种眼部超声图像的处理方 法，用于处理人类眼部的超声频谱图像，得到相应的图像特征，由于超声图像不受屈光间质 的影响，从而提升眼部超声检测的准确性。 附图说明 参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和 阐述，并不构成对本发明范围的限制。 图1为本发明实施例中的眼部超声图像处理方法的步骤流程图； 图2为本发明实施例中的步骤S3的具体流程图； 图3为本发明实施例中的卷积模板B1的结构示意图； 图4为本发明实施例中的卷积模板B2的结构示意图； 图5为本发明实施例中的卷积模板B3的结构示意图； 图6为本发明实施例中的卷积模板B4的结构示意图。