(12)發(fā)明專利46號(hào)汪嘉芯林雨欣王婷婷張文娟審查員邵娟公司37295基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法本發(fā)明公開了基于深度學(xué)習(xí)的糖尿病性視基于深度學(xué)習(xí)技術(shù)對(duì)目標(biāo)視網(wǎng)膜圖像進(jìn)行處理基于圖像片進(jìn)行圖像增強(qiáng)，將圖像增強(qiáng)之后的圖像片進(jìn)行融合，得到目標(biāo)視網(wǎng)膜圖像基于深度學(xué)習(xí)技術(shù)對(duì)目標(biāo)視網(wǎng)膜圖像進(jìn)行處理得21.基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法，其特征在于，包括以下步驟：確定視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像進(jìn)行劃分得到多個(gè)圖像塊，對(duì)多個(gè)圖像塊進(jìn)行分層處所述確定視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像進(jìn)行劃分得到多個(gè)圖像塊，對(duì)多個(gè)圖像塊進(jìn)行分獲取需要進(jìn)行病灶分割的視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像按照預(yù)設(shè)尺寸進(jìn)行網(wǎng)格劃分得到多個(gè)圖像塊；按照亮度分別對(duì)多個(gè)圖像塊進(jìn)行分層處理，得到多個(gè)圖像片；所述按照亮度分別對(duì)多個(gè)圖像塊進(jìn)行分層處理，得到多個(gè)圖像片的步驟，包括：對(duì)應(yīng)多個(gè)圖像塊分別配置對(duì)應(yīng)的多個(gè)圖像床，其中，圖像床包括多個(gè)空間位面；制定分層亮度值范圍，分層亮度值范圍包括多個(gè)預(yù)設(shè)的分層亮度范圍，按照分層亮度值范圍對(duì)圖像塊進(jìn)行特征提取，得到對(duì)應(yīng)多個(gè)預(yù)設(shè)的分層亮度范圍的特征信息；將多個(gè)特征信息分別一對(duì)一置于圖像床上，對(duì)圖像床上的特征信息通過圖像床對(duì)特征基于圖像片進(jìn)行圖像增強(qiáng)，將圖像增強(qiáng)之后的圖像片進(jìn)行融合，得到目標(biāo)視網(wǎng)膜圖像；所述基于圖像片進(jìn)行圖像增強(qiáng)，將圖像增強(qiáng)之后的圖像片進(jìn)行融合，得到目標(biāo)視網(wǎng)膜對(duì)應(yīng)多個(gè)圖像塊分別制定對(duì)應(yīng)地增強(qiáng)規(guī)則，其中，增強(qiáng)規(guī)則包括亮度區(qū)間以及對(duì)應(yīng)的對(duì)比度增強(qiáng)差異值；基于增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行調(diào)控，得到模擬之后的圖像片；將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍賦予空間位面上的特征信息，得到目標(biāo)圖像片；將多個(gè)目標(biāo)圖像片進(jìn)行重合得到目標(biāo)圖像塊，將多個(gè)目標(biāo)圖像塊之間按照在視網(wǎng)膜圖像中的位置進(jìn)行對(duì)應(yīng)拼接，得到目標(biāo)視網(wǎng)膜圖像；基于深度學(xué)習(xí)技術(shù)對(duì)目標(biāo)視網(wǎng)膜圖像進(jìn)行處理得到病灶分割結(jié)果。2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法，其特征在于：所述將多個(gè)特征信息分別一對(duì)一置于圖像床上，對(duì)圖像床上的特征信息通過圖像床對(duì)特征將多個(gè)特征信息按照所在的分層亮度范圍的數(shù)值排序順次一對(duì)一置于圖像床上，圖像床是順次設(shè)置的；在圖像床的多個(gè)空間位面上設(shè)置對(duì)應(yīng)的特征信息的亮度區(qū)間范圍，將處于亮度區(qū)間范圍內(nèi)的特征信息進(jìn)行提取分層并置于多個(gè)空間位面上，在空間位面上對(duì)特征信息的亮度進(jìn)行標(biāo)記，其中，多個(gè)空間位面上設(shè)置有多個(gè)感光子，通過感光子記載特征信息的亮度值以及對(duì)應(yīng)的范圍。3.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法，其特征在于：所述基于增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行調(diào)控，得到模擬之后的圖像片的步驟，包括：按照感光子中記載的特征信息的亮度值以及對(duì)應(yīng)的范圍，得到特征信息對(duì)應(yīng)的亮度區(qū)間以及存在對(duì)比度差異值作為調(diào)整基數(shù)，根據(jù)調(diào)整基數(shù)匹配對(duì)應(yīng)地增強(qiáng)規(guī)則；按照匹配的增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行亮度模擬調(diào)控，通過感光子模擬調(diào)控的3亮度負(fù)載于圖像片中，得到模擬之后的圖像片。4.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法，其特征在于：所述將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍賦予空間位面上的特征信息，得到目標(biāo)圖像片的步驟，包括：制定預(yù)設(shè)條件，其中，預(yù)設(shè)條件為模擬之后的圖像片與圖像片之間輪廓重合的差異范圍滿足F;將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍對(duì)應(yīng)空間位面上的特征信息進(jìn)行調(diào)整，得到目標(biāo)圖像片。5.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法，其特征在于：所述基于深度學(xué)習(xí)技術(shù)對(duì)目標(biāo)視網(wǎng)膜圖像進(jìn)行處理得到病灶分割結(jié)果的步驟，包括：通過歷史視網(wǎng)膜圖像對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練之后的學(xué)習(xí)模型；將目標(biāo)視網(wǎng)膜圖像輸入學(xué)習(xí)模型中，得到病灶分割結(jié)果。4基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及圖像增強(qiáng)技術(shù)領(lǐng)域，具體涉及基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法。背景技術(shù)[0002]糖尿病是一種常見的慢性疾病，隨著全球糖尿病患者數(shù)量的不斷增加，糖尿病性視網(wǎng)膜病變(DR)的發(fā)病率也日益上升，傳統(tǒng)的糖尿病性視網(wǎng)膜病灶診斷主要依靠眼科醫(yī)生通過眼底圖像進(jìn)行人工觀察和判斷。然而，這種方法存在一定的局限性。一方面，眼底圖像的解讀需要專業(yè)的知識(shí)和豐富的經(jīng)驗(yàn)，眼科醫(yī)生的數(shù)量相對(duì)有限，且培養(yǎng)周期長，難以滿足大量患者的診斷需求，因此通過深度學(xué)習(xí)技術(shù)的參與能夠輔助醫(yī)生進(jìn)行診斷，雖然存在深度學(xué)習(xí)技術(shù)能夠給予一定的幫助但是圖像的質(zhì)量也嚴(yán)重影響深度學(xué)習(xí)模型的輸出結(jié)果，無法保證輸入深度學(xué)習(xí)模型的圖像的質(zhì)量，不便于深度學(xué)習(xí)模型的病灶分割。發(fā)明內(nèi)容[0003]本發(fā)明的目的是提供基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分割方法，以解決背景技術(shù)中不足。[0004]為了實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜[0005]確定視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像進(jìn)行劃分得到多個(gè)圖像塊，對(duì)多個(gè)圖像塊進(jìn)行分[0006]基于圖像片進(jìn)行圖像增強(qiáng)，將圖像增強(qiáng)之后的圖像片進(jìn)行融合，得到目標(biāo)視網(wǎng)膜圖像；[0007]基于深度學(xué)習(xí)技術(shù)對(duì)目標(biāo)視網(wǎng)膜圖像進(jìn)行處理得到病灶分割結(jié)果。[0008]在一個(gè)優(yōu)選的實(shí)施方式中，所述確定視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像進(jìn)行劃分得到多[0009]獲取需要進(jìn)行病灶分割的視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像按照預(yù)設(shè)尺寸進(jìn)行網(wǎng)格劃分得到多個(gè)圖像塊；[0010]按照亮度分別對(duì)多個(gè)圖像塊進(jìn)行分層處理，得到多個(gè)圖像片。[0011]在一個(gè)優(yōu)選的實(shí)施方式中，所述按照亮度分別對(duì)多個(gè)圖像塊進(jìn)行分層處理，得到[0012]對(duì)應(yīng)多個(gè)圖像塊分別配置對(duì)應(yīng)的多個(gè)圖像床，其中，圖像床包括多個(gè)空間位面；[0013]制定分層亮度值范圍，分層亮度值范圍包括多個(gè)預(yù)設(shè)的分層亮度范圍，按照分層亮度值范圍對(duì)圖像塊進(jìn)行特征提取，得到對(duì)應(yīng)多個(gè)預(yù)設(shè)的分層亮度范圍的特征信息；[0014]將多個(gè)特征信息分別一對(duì)一置于圖像床上，對(duì)圖像床上的特征信息通過圖像床對(duì)特征信息進(jìn)行輪廓記載，得到多個(gè)圖像片。[0015]在一個(gè)優(yōu)選的實(shí)施方式中，所述將多個(gè)特征信息分別一對(duì)一置于圖像床上，對(duì)圖5像床上的特征信息通過圖像床對(duì)特征信息進(jìn)行輪廓記載的步驟，包括：[0016]將多個(gè)特征信息按照所在的分層亮度范圍的數(shù)值排序順次一對(duì)一置于圖像床上，圖像床是順次設(shè)置的；[0017]在圖像床的多個(gè)空間位面上設(shè)置對(duì)應(yīng)的特征信息的亮度區(qū)間范圍，將處于亮度區(qū)間范圍內(nèi)的特征信息進(jìn)行提取分層并置于多個(gè)空間位面上，在空間位面上對(duì)特征信息的亮度進(jìn)行標(biāo)記，其中，多個(gè)空間位面上設(shè)置有多個(gè)感光子，通過感光子記載特征信息的亮度值以及對(duì)應(yīng)的范圍。[0018]在一個(gè)優(yōu)選的實(shí)施方式中，所述基于圖像片進(jìn)行圖像增強(qiáng)，將圖像增強(qiáng)之后的圖[0019]對(duì)應(yīng)多個(gè)圖像塊分別制定對(duì)應(yīng)地增強(qiáng)規(guī)則，其中，增強(qiáng)規(guī)則包括亮度區(qū)間以及對(duì)應(yīng)的對(duì)比度增強(qiáng)差異值；[0020]基于增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行調(diào)控，得到模擬之后的圖像片；[0021]將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍賦予空間位面上的特征信息，得到目標(biāo)圖像片；[0022]將多個(gè)目標(biāo)圖像片進(jìn)行重合得到目標(biāo)圖像塊，將多個(gè)目標(biāo)圖像塊之間按照在視網(wǎng)膜圖像中的位置進(jìn)行對(duì)應(yīng)拼接，得到目標(biāo)視網(wǎng)膜圖像。[0023]在一個(gè)優(yōu)選的實(shí)施方式中，所述基于增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行調(diào)控，得[0024]按照感光子中記載的特征信息的亮度值以及對(duì)應(yīng)的范圍，得到特征信息對(duì)應(yīng)的亮度區(qū)間以及存在對(duì)比度差異值作為調(diào)整基數(shù)，根據(jù)調(diào)整基數(shù)匹配對(duì)應(yīng)地增強(qiáng)規(guī)則；[0025]按照匹配的增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行亮度模擬調(diào)控，通過感光子模擬調(diào)控的亮度負(fù)載于圖像片中，得到模擬之后的圖像片。[0026]在一個(gè)優(yōu)選的實(shí)施方式中，所述將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍賦予空間位面上的特征信息，得[0027]制定預(yù)設(shè)條件，其中，預(yù)設(shè)條件為模擬之后的圖像片與圖像片之間輪廓重合的差異范圍滿足F;[0028]將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍對(duì)應(yīng)空間位面上的特征信息進(jìn)行調(diào)整，得到目標(biāo)圖像片。[0029]在一個(gè)優(yōu)選的實(shí)施方式中，所述基于深度學(xué)習(xí)技術(shù)對(duì)目標(biāo)視網(wǎng)膜圖像進(jìn)行處理得[0030]通過歷史視網(wǎng)膜圖像對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練之后的學(xué)習(xí)模型；[0031]將目標(biāo)視網(wǎng)膜圖像輸入學(xué)習(xí)模型中，得到病灶分割結(jié)果。[0033]本發(fā)明通過對(duì)視網(wǎng)膜圖像進(jìn)行分層處理進(jìn)行圖像增強(qiáng)，能夠更加細(xì)節(jié)且不打擾地對(duì)圖像進(jìn)行局部的分析和增強(qiáng)，保證圖像增強(qiáng)之后的準(zhǔn)確性，保證圖像增強(qiáng)的細(xì)節(jié)，能夠使得圖像對(duì)比度更清晰，便于后續(xù)卷積網(wǎng)絡(luò)的識(shí)別和分割。6附圖說明[0034]為了更清楚地說明本申請(qǐng)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明中記載的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，還可以根據(jù)這些附圖獲得其他的附圖。[0035]圖1為本發(fā)明的方法流程圖。具體實(shí)施方式[0036]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。[0037]實(shí)施例1,請(qǐng)參閱圖1所示，本實(shí)施例所述基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜病灶分[0038]S1、確定視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像進(jìn)行劃分得到多個(gè)圖像塊，對(duì)多個(gè)圖像塊進(jìn)行[0039]S2、基于圖像片進(jìn)行圖像增強(qiáng)，將圖像增強(qiáng)之后的圖像片進(jìn)行融合，得到目標(biāo)視網(wǎng)膜圖像；[0040]S3、基于深度學(xué)習(xí)技術(shù)對(duì)目標(biāo)視網(wǎng)膜圖像進(jìn)行處理得到病灶分割結(jié)果。[0041]在一個(gè)實(shí)施例中，所述確定視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像進(jìn)行劃分得到多個(gè)圖像塊，對(duì)多個(gè)圖像塊進(jìn)行分層處理，得到多個(gè)圖像片的步驟S1,包括：[0042]S11、獲取需要進(jìn)行病灶分割的視網(wǎng)膜圖像，對(duì)視網(wǎng)膜圖像按照預(yù)設(shè)尺寸進(jìn)行網(wǎng)格劃分得到多個(gè)圖像塊；[0043]S12、按照亮度分別對(duì)多個(gè)圖像塊進(jìn)行分層處理，得到多個(gè)圖像片。[0044]在一個(gè)實(shí)施例中，所述按照亮度分別對(duì)多個(gè)圖像塊進(jìn)行分層處理，得到多個(gè)圖像片的步驟S12,包括：[0045]S121、對(duì)應(yīng)多個(gè)圖像塊分別配置對(duì)應(yīng)的多個(gè)圖像床，其中，圖像床包括多個(gè)空間位[0046]S122、制定分層亮度值范圍，分層亮度值范圍包括多個(gè)預(yù)設(shè)的分層亮度范圍，按照分層亮度值范圍對(duì)圖像塊進(jìn)行特征提取，得到對(duì)應(yīng)多個(gè)預(yù)設(shè)的分層亮度范圍的特征信息；[0047]S123、將多個(gè)特征信息分別一對(duì)一置于圖像床上，對(duì)圖像床上的特征信息通過圖像床對(duì)特征信息進(jìn)行輪廓記載，得到多個(gè)圖像片。[0048]在一個(gè)實(shí)施例中，所述將多個(gè)特征信息分別一對(duì)一置于圖像床上，對(duì)圖像床上的特征信息通過圖像床對(duì)特征信息進(jìn)行輪廓記載的步驟S123,包括：[0049]S1231、將多個(gè)特征信息按照所在的分層亮度范圍的數(shù)值排序順次一對(duì)一置于圖[0050]S1232、在圖像床的多個(gè)空間位面上設(shè)置對(duì)應(yīng)的特征信息的亮度區(qū)間范圍，將處于亮度區(qū)間范圍內(nèi)的特征信息進(jìn)行提取分層并置于多個(gè)空間位面上，在空間位面上對(duì)特征信息的亮度進(jìn)行標(biāo)記，其中，多個(gè)空間位面上設(shè)置有多個(gè)感光子，通過感光子記載特征信息的亮度值以及對(duì)應(yīng)的范圍；7[0051]如上述步驟S11和S12所述，對(duì)需要進(jìn)行分割視網(wǎng)膜圖像進(jìn)行確定，在將視網(wǎng)膜圖像投入卷積網(wǎng)絡(luò)進(jìn)行圖像病灶分割之前需要對(duì)圖像進(jìn)行增強(qiáng)，更好的使得圖像投入卷積網(wǎng)絡(luò)分割的準(zhǔn)確性和識(shí)別性，首先對(duì)視網(wǎng)膜圖像進(jìn)行分割得到多個(gè)圖像塊，分割的規(guī)則為按照預(yù)設(shè)尺寸，例如，按照A*A的方格對(duì)視網(wǎng)膜圖像進(jìn)行分割。之后對(duì)應(yīng)多個(gè)圖像塊分別配置對(duì)應(yīng)的多個(gè)圖像床，其中，圖像床包括多個(gè)空間位面，這里的空間位面為空白的空間層，該空間層為空白的數(shù)據(jù)庫，該數(shù)據(jù)庫以數(shù)據(jù)版面存在作為空間層，多個(gè)空間位面作為圖像床，圖像床是由多個(gè)空間位面組成，也就是對(duì)該數(shù)據(jù)庫進(jìn)行再一次的劃分，得到多個(gè)空間層作為空間位面，用于后續(xù)儲(chǔ)存和展示分層之后的圖像塊，制定分層亮度值范圍，分層亮度值范圍包括多個(gè)預(yù)設(shè)的分層亮度范圍，按照分層亮度值范圍對(duì)圖像塊進(jìn)行特征提取，該特征提取的為符合分層亮度值范圍的特征信息，得到對(duì)應(yīng)多個(gè)預(yù)設(shè)的分層亮度范圍的特征信息，這里的特征信息包括特征輪廓以及對(duì)應(yīng)的具體的亮度，之后將多個(gè)特征信息分別一對(duì)一置于圖像床上，這里的圖像床為多個(gè)空間位面的統(tǒng)稱，在按照分層亮度值范圍劃分之后，在空間位面上再按照亮度區(qū)間范圍進(jìn)行特征信息的再一次劃分，在空間位面上設(shè)置多個(gè)感光子，其中，感光子均勻且密切地分布在空間位面上，用于記載對(duì)應(yīng)的特征信息的亮度值以及對(duì)應(yīng)的范圍，特征信息在空間位面上的位置部分是對(duì)應(yīng)圖像塊上的原始位置的，具有較為細(xì)致的劃分，能夠更加細(xì)致地對(duì)圖像進(jìn)行分析和增強(qiáng)，使得采集的視網(wǎng)膜圖像的細(xì)節(jié)展示得更加的清楚，便于后續(xù)輸出卷積網(wǎng)絡(luò)后給出更加準(zhǔn)確的分割信息。[0052]在一個(gè)實(shí)施例中，所述基于圖像片進(jìn)行圖像增強(qiáng)，將圖像增強(qiáng)之后的圖像片進(jìn)行融合，得到目標(biāo)視網(wǎng)膜圖像的步驟S2,包括：[0053]S21、對(duì)應(yīng)多個(gè)圖像塊分別制定對(duì)應(yīng)地增強(qiáng)規(guī)則，其中，增強(qiáng)規(guī)則包括亮度區(qū)間以及對(duì)應(yīng)的對(duì)比度增強(qiáng)差異值；[0054]S22、基于增強(qiáng)規(guī)則對(duì)圖像片中的感[0055]S23、將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍賦予空間位面上的特征信息，得到目標(biāo)圖像片；[0056]S24、將多個(gè)目標(biāo)圖像片進(jìn)行重合得到目標(biāo)圖像塊，將多個(gè)目標(biāo)圖像塊之間按照在視網(wǎng)膜圖像中的位置進(jìn)行對(duì)應(yīng)拼接，得到目標(biāo)視網(wǎng)膜圖像。[0057]在一個(gè)實(shí)施例中，所述基于增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行調(diào)控，得到模擬之后的圖像片的步驟S22,包括：[0058]S221、按照感光子中記載的特征信息的亮度值以及對(duì)應(yīng)的范圍，得到特征信息對(duì)應(yīng)的亮度區(qū)間以及存在對(duì)比度差異值作為調(diào)整基數(shù)，根據(jù)調(diào)整基數(shù)匹配對(duì)應(yīng)地增強(qiáng)規(guī)則；[0059]S222、按照匹配的增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行亮度模擬調(diào)控，通過感光子模擬調(diào)控的亮度負(fù)載于圖像片中，得到模擬之后的圖像片。[0060]在一個(gè)實(shí)施例中，所述將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍賦予空間位面上的特征信息，得到目標(biāo)圖像片的步驟S23,包括：[0061]S231、制定預(yù)設(shè)條件，其中，預(yù)設(shè)條件為模擬之后的圖像片與圖像片之間輪廓重合的差異范圍滿足F;[0062]S232、將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍對(duì)應(yīng)空間位面上的特征信息進(jìn)行調(diào)整，得到目標(biāo)圖像片。8[0063]如上述步驟S21-S24所述，對(duì)應(yīng)多個(gè)圖像塊(代表所有的圖像塊)制定相同的增強(qiáng)規(guī)則，代表雖然圖像是局部劃分之后進(jìn)行增強(qiáng)處理，但是采用的增強(qiáng)規(guī)則是相同的規(guī)則，這樣當(dāng)后續(xù)所有的圖像塊拼接時(shí)，能夠保證圖像調(diào)節(jié)之后的一致性，這里的增強(qiáng)規(guī)則包括亮度區(qū)間以及對(duì)應(yīng)的對(duì)比度增強(qiáng)差異值，這里的亮度區(qū)間代表增強(qiáng)的特征信息的亮度所在的區(qū)間，對(duì)比度增強(qiáng)差異值代表在該亮度區(qū)間下，要調(diào)整的亮度，例如，亮度范圍用0到1代表，0代表黑色，1代表最亮的狀態(tài)，增強(qiáng)規(guī)則為0-0.2的亮度區(qū)間中，黑0.05的程度，當(dāng)特征信息為的亮度為0.2時(shí)，對(duì)比度增強(qiáng)差異值為調(diào)黑0.05,特征信息為的亮度會(huì)被調(diào)整到0.15,這樣圖像中的亮度，亮的會(huì)變亮，陰影的會(huì)變黑，會(huì)使得整個(gè)圖像的對(duì)比度增強(qiáng)，這樣能夠更好地識(shí)別出圖像中的細(xì)節(jié)部分，之后按照感光子中記載的特征信息的亮度值以及對(duì)應(yīng)的范圍，得到特征信息對(duì)應(yīng)的亮度區(qū)間以及存在對(duì)比度差異值作為調(diào)整基數(shù)，根據(jù)調(diào)整基數(shù)匹配對(duì)應(yīng)地增強(qiáng)規(guī)則，能夠得到需要調(diào)節(jié)的亮度值，按照匹配的增強(qiáng)規(guī)則對(duì)圖像片中的感光子進(jìn)行亮度模擬調(diào)控，通過感光子模擬調(diào)控的亮度負(fù)載于圖像片中，得到模擬之后的圖像片，因?yàn)樘卣餍畔⑹窃O(shè)置在空間位面上的，感光子是調(diào)整亮度的單元，為單個(gè)的云服務(wù)器，該云服務(wù)器與對(duì)應(yīng)的圖像片連接，圖像片為數(shù)據(jù)層，單個(gè)空間位面上的所有的感光子是互相連接的，多個(gè)感光子負(fù)責(zé)對(duì)應(yīng)范圍的亮度的記錄和調(diào)控，空間位面上的所有的儲(chǔ)存范圍均被感光子覆蓋，這樣在特征信息鋪設(shè)在空間位面上之后，能夠被感光子所負(fù)責(zé)管理，這樣可以直接通過感光子確定亮度便能夠?qū)ω?fù)責(zé)的特征信息進(jìn)行亮度調(diào)整，在一個(gè)圖像片中，特征信息不是全覆蓋的，只有覆蓋的位置對(duì)應(yīng)的感光子才會(huì)存在亮度調(diào)整的操作，可以進(jìn)行模擬調(diào)整不直接負(fù)載于圖像片中，因?yàn)楦泄庾优c負(fù)責(zé)的特征信息之間是對(duì)應(yīng)的關(guān)系，因此其他范圍和亮度的展示上是相同的，因此可以通過感光子去代表圖像片作為模擬之后的圖像片，之后制定預(yù)設(shè)條件，預(yù)設(shè)條件為模擬之后的圖像片與圖像片之間輪廓重合的差異范圍滿足F,由于感光點(diǎn)存在負(fù)責(zé)一定的范圍，因此在調(diào)整的時(shí)候，會(huì)存在超出輪廓線的調(diào)整，這樣通過感光子調(diào)整之后的輪廓重合的差異范圍滿足F代表正常；將符合預(yù)設(shè)條件的模擬之后的圖像片作為模擬圖像片，當(dāng)不符合時(shí)，可以細(xì)節(jié)上的對(duì)影響范圍的感光子進(jìn)行分區(qū)的亮度調(diào)整，例如，感光子對(duì)應(yīng)的調(diào)整范圍為Y,將該Y范圍根據(jù)亮度調(diào)整的界限進(jìn)行劃分，相當(dāng)于Y的范圍分為兩部分的亮度的調(diào)整，將模擬圖像片對(duì)應(yīng)的感光子的亮度以及對(duì)應(yīng)的范圍對(duì)應(yīng)空間位面上的特征信息進(jìn)行調(diào)整，得到目標(biāo)圖像片，將多個(gè)目標(biāo)圖像片進(jìn)行重合得到目標(biāo)圖像塊，將多個(gè)目標(biāo)圖像塊之間按照在視網(wǎng)膜圖像中的位置進(jìn)行對(duì)應(yīng)拼接，得到目標(biāo)視網(wǎng)膜圖像，多個(gè)圖像片之間在特征信息的拆分時(shí)，是位置對(duì)應(yīng)拆分的，因此可以直接進(jìn)行重合能夠得到目標(biāo)圖像塊，更加細(xì)節(jié)且不打擾地對(duì)圖像進(jìn)行局部的分析和增強(qiáng)，保證圖像增強(qiáng)之后的準(zhǔn)確性，保證圖像增強(qiáng)的細(xì)節(jié)，能夠使得圖像對(duì)比度更清晰，便于后續(xù)卷積網(wǎng)絡(luò)的識(shí)別和分割。[0064]在一個(gè)實(shí)施例中，所述基于深度學(xué)習(xí)技術(shù)對(duì)目標(biāo)視網(wǎng)膜圖像進(jìn)行處理得到病灶分割結(jié)果的步驟S3,包括：[0065]S31、通過歷史視網(wǎng)膜圖像對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練之后的學(xué)習(xí)模型；[0067]如上述步驟S31和S32所述，通過歷史視網(wǎng)膜圖像對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練之后的學(xué)習(xí)模型的步驟為收集大量的糖尿病性視網(wǎng)膜圖像，這些圖像可以來自醫(yī)院的眼科檢查設(shè)備，如眼底照相機(jī)、光學(xué)相干斷層掃描(OCT)等。確保圖像具有不同的分辨率、光9照條件和病變程度，以涵蓋各種可能的情況，對(duì)采集到的圖像中的病灶區(qū)域進(jìn)行標(biāo)注，標(biāo)記操作。歸一化可以將圖像的像素值映射到一定的范圍內(nèi)，有助于加快模型的收斂速度；裁剪可以去