基于眼底圖像的動(dòng)靜脈視網(wǎng)膜血管分類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)輔助診斷技術(shù)領(lǐng)域，具體涉及一種基于眼底圖像的動(dòng)靜脈視網(wǎng)膜血管分類方法。
【背景技術(shù)】
[0002]隨著計(jì)算機(jī)技術(shù)中的人工智能領(lǐng)域的快速發(fā)展，計(jì)算機(jī)輔助診斷技術(shù)也逐漸發(fā)展。計(jì)算機(jī)輔助診斷技術(shù)是指通過(guò)影像學(xué)、醫(yī)學(xué)圖像處理技術(shù)以及其他可能的生理、生化手段，結(jié)合計(jì)算機(jī)的分析計(jì)算，輔助影像科醫(yī)師發(fā)現(xiàn)病灶，提高診斷的準(zhǔn)確率。
[0003]通常醫(yī)學(xué)影像學(xué)中計(jì)算機(jī)輔助診斷分為三步，具體如下:第一步是把病變從正常結(jié)構(gòu)中提取出來(lái)；第二步是圖像特征的量化；第三步是對(duì)數(shù)據(jù)進(jìn)行處理并得出結(jié)論。
[0004]因?yàn)橛?jì)算機(jī)可以全面利用影像信息進(jìn)行精確的定量計(jì)算，去除人的主觀性，避免因個(gè)人知識(shí)和經(jīng)驗(yàn)的差異而引起的“千差萬(wàn)別”的診斷結(jié)果；所以它的結(jié)果是不含糊的，是確定的，它使診斷變得更為準(zhǔn)確、更為科學(xué)。
[0005]隨著現(xiàn)代高科技的發(fā)展，計(jì)算機(jī)輔助診斷將與圖像處理和PACS系統(tǒng)等技術(shù)融合，變得更易于操作、也更趨于準(zhǔn)確，其臨床應(yīng)用范圍將進(jìn)一步擴(kuò)大。
[0006]在醫(yī)學(xué)檢測(cè)中，眼睛是唯一可無(wú)損檢測(cè)同時(shí)信息豐富的器官。研宄指出視網(wǎng)膜血管病變中的血管局限縮窄、彌漫縮窄、動(dòng)靜脈交叉壓迫、血管行走改變、銅絲動(dòng)脈、出血、棉絮斑、硬性滲出以及視網(wǎng)膜神經(jīng)纖維層缺損與腦卒有顯著的相關(guān)性。且對(duì)于腦卒中的預(yù)測(cè)，眼底檢查僅需40元，而MRI檢查則需要上千元，頸動(dòng)脈超聲也需要140元。相比之下眼底檢查的性價(jià)比最高。眼底圖像計(jì)算機(jī)分析的全自動(dòng)化的方法，包括可以提供即時(shí)的視網(wǎng)膜病變分類，而不需要專家意見，建立以眼底血管視神經(jīng)預(yù)測(cè)三高并發(fā)癥的系統(tǒng)具有其確實(shí)的經(jīng)濟(jì)意義。因此，視網(wǎng)膜血管的病變檢測(cè)在對(duì)腦卒的輔助檢測(cè)具有突出作用。其中構(gòu)建一個(gè)動(dòng)靜脈交叉壓迫視網(wǎng)膜血管病變的自動(dòng)檢測(cè)系統(tǒng)更是其中的關(guān)鍵部分。
[0007]對(duì)眼底圖像進(jìn)行血管分割、視盤定位和血管分類(動(dòng)靜脈分裂)是視網(wǎng)膜血管的病變檢測(cè)的基礎(chǔ)，現(xiàn)有的血管分割方法需要人工添加標(biāo)注信息，自動(dòng)化程度不高。

【發(fā)明內(nèi)容】

[0008]針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于眼底圖像的動(dòng)靜脈視網(wǎng)膜血管分類方法。
[0009]一種基于眼底圖像的動(dòng)靜脈視網(wǎng)膜血管分類方法，包括如下步驟:
[0010](I)針對(duì)所述眼底圖像，基于血管分割法獲取若干個(gè)不同的全局血管集；
[0011](2)針對(duì)每個(gè)全局血管集，基于模糊收斂算法獲取對(duì)應(yīng)的最終收斂區(qū)域，并根據(jù)各個(gè)最終收斂區(qū)域的重疊情況確定所述眼底圖像的視盤中心；
[0012](3)選擇一個(gè)全局血管集，根據(jù)該全局血管集和視盤定位信息確定主血管，并對(duì)主血管進(jìn)行分類得到主血管分類信息；
[0013](4)利用所述的主血管分類信息采用基于SAT的廣度搜索算法對(duì)所述的全局血管集中的血管進(jìn)行分類得到全局分類信息。
[0014]本發(fā)明中步驟(3)中選擇對(duì)應(yīng)為血管的像素點(diǎn)數(shù)量最多的全局血管集，相應(yīng)的步驟(4)中即對(duì)該選擇的全局血管集進(jìn)行分類。
[0015]本發(fā)明獲取若干個(gè)不同的全局血管集的目的在于通過(guò)多個(gè)全局血管集確定收斂區(qū)域，根據(jù)各個(gè)全局血管集對(duì)應(yīng)的收斂區(qū)域之間的重疊情況獲取視盤中心，有利于保證得到的視盤中心的準(zhǔn)確性。
[0016]所述步驟(I)基于血管分割法通過(guò)如下步驟獲取若干個(gè)不同的全局血管集時(shí)，首先設(shè)定若干個(gè)不同的二值化閾值，然后針對(duì)每個(gè)二值化閾值進(jìn)行如下操作:
[0017](1-1)按照當(dāng)前二值化閾值對(duì)所述的眼底圖像進(jìn)行二值化處理，并提取二值化處理后的眼底圖像中的中心線和邊緣，得到血管樹；
[0018](1-2)對(duì)所述的血管樹分叉處做斷開處理得到血管段，并對(duì)各個(gè)血管段進(jìn)行線分割得到血管，得到原始血管集；
[0019](1-3)確定誤分割血管，并從原始血管集中去除即得到全局血管集。
[0020]本發(fā)明中二值化閾值為二值化處理后為血管的像素點(diǎn)個(gè)數(shù)占整個(gè)眼底圖像的像素點(diǎn)比例，通常取值為4?20%。二值化閾值越大，則越寬松。作為優(yōu)選，所述的二值化閾值為14%。
[0021]所述步驟(1-3)中的誤分割血管包括分為兩類，第一類誤分割血管基于血管兩側(cè)的背景差異確定，第二類基于血管形狀確定。
[0022]本發(fā)明中所述的背景差異值背景顏色的差異，步驟(1-3)中通過(guò)如下步驟確定第一類誤分割血管:
[0023](al)針對(duì)每個(gè)血管，提取該血管兩側(cè)背景的特征向量；
[0024]任意一側(cè)背景的特征向量根據(jù)該側(cè)距離中心線5?8個(gè)像素點(diǎn)以內(nèi)區(qū)域中的所有像素點(diǎn)(即與中心線的距離小于5?10個(gè)像素點(diǎn))的RGB三個(gè)通道上的顏色值得到。
[0025]每側(cè)的特征向量為一個(gè)三維向量，分別表示血管兩側(cè)背景的在RGB三個(gè)通道上的顏色值信息。具體實(shí)現(xiàn)時(shí)獲取該側(cè)距離中心線小于5?10個(gè)像素點(diǎn)的區(qū)域中的所有像素點(diǎn)在R、G、B三個(gè)通道上的顏色值并分別在每個(gè)通道上求平均，進(jìn)而得到該側(cè)的特征向量。
[0026](a2)根據(jù)所述特征向量采用聚類法將所有血管聚為兩類，得到的小類即為視盤周圍誤分割血管。
[0027]針對(duì)每個(gè)血管，計(jì)算兩側(cè)特征向量的歐氏距離，然后對(duì)所有血管對(duì)應(yīng)的歐式距離進(jìn)行聚類，即完成對(duì)血管的聚類。
[0028]由于K均值聚類(即K-means算法)不需要調(diào)整參數(shù)，且運(yùn)行速度較快。作為優(yōu)選，所述步驟(a2)中采用K均值聚類法將所有血管聚為兩類。
[0029]本發(fā)明中所述的血管形狀實(shí)際上指各個(gè)血管的連接關(guān)系，步驟(1-3)中通過(guò)如下步驟確定第二類誤分割血管:
[0030]確定劃分出原始血管集的眼底圖像中的環(huán)狀結(jié)構(gòu)，針對(duì)各個(gè)環(huán)狀結(jié)構(gòu)，若該環(huán)狀結(jié)構(gòu)中長(zhǎng)度最大的血管的長(zhǎng)度小于預(yù)設(shè)的分割長(zhǎng)度閾值，則認(rèn)為該環(huán)狀結(jié)構(gòu)中所有血管均為第二類誤分割血管，進(jìn)一步進(jìn)行如下操作:
[0031]確定該環(huán)狀結(jié)構(gòu)的中心，并計(jì)算該中心到長(zhǎng)度大于或等于分割長(zhǎng)度閾值的血管的最短距離(即該中心到距離其最近的長(zhǎng)度大于或等于分割長(zhǎng)度閾值的血管的距離)，認(rèn)為以該中心為圓心、最短距離為半徑的圓形區(qū)域內(nèi)所有血管為第二類誤分割血管。
[0032]分割長(zhǎng)度閾值的設(shè)定根據(jù)實(shí)際經(jīng)驗(yàn)值設(shè)定，本發(fā)明中該環(huán)狀分割長(zhǎng)度閾值α =χ/60 ?χ/450
[0033]本發(fā)明的血管分割方法，得到原始血管后進(jìn)一步利用血管的背景和形狀確定誤分割的血管，可以有效去除因?yàn)榕恼赵斐傻沫h(huán)狀反光、視盤周圍的非血管的躍階邊緣、斑狀病變以及出血病變等原因造成的誤分割血管，大大提高了血管分割結(jié)果(即得到的全局血管集)的準(zhǔn)確性。
[0034]所述步驟(2)中獲取當(dāng)前全局血管集對(duì)應(yīng)的收斂區(qū)域時(shí)進(jìn)行如下操作:
[0035](2-1)對(duì)當(dāng)前全局血管集中每一個(gè)血管，使用模糊收斂算法獲取該血管的收斂區(qū)域；
[0036](2-2)統(tǒng)計(jì)眼底圖像每個(gè)像素點(diǎn)所對(duì)應(yīng)的收斂區(qū)域的個(gè)數(shù)作為該像素點(diǎn)的投票值；
[0037](2-3)選取投票值大的前η個(gè)像素點(diǎn)，對(duì)選取的η個(gè)像素點(diǎn)使用基于八連接的區(qū)域連通算法得到若干個(gè)連通區(qū)域，并以面積最大的連通區(qū)域作為最終收斂區(qū)域。
[0038]η的大小根據(jù)眼底圖像的大小設(shè)定，作為優(yōu)選，所述η的取值為1000?3000。
[0039]所述步驟(2)通過(guò)如下方法根據(jù)各個(gè)最終收斂區(qū)域的重疊情況確定所述眼底圖像的視盤中心:
[0040]判斷是否存在至少I個(gè)最終收斂區(qū)域的重疊區(qū)域，其中I = k/3?k/2，K為二值化閾值的個(gè)數(shù):
[0041]若存在，則以面積最大的重疊區(qū)域的中心坐標(biāo)作為視盤定位信息；
[0042]否則，以采用特定模板匹配法得到視盤定位信息。
[0043]所述步驟(3)通過(guò)如下方法確定主血管:
[0044]以距離視盤中心為若干個(gè)像素點(diǎn)以內(nèi)的區(qū)域作為視盤鄰近區(qū)域，以所述的視盤鄰近區(qū)域內(nèi)長(zhǎng)度大于預(yù)設(shè)的分類長(zhǎng)度閾值的血管作為主血管。
[0045]本發(fā)明中以距離視盤中心為R個(gè)像素點(diǎn)以內(nèi)的區(qū)域，即以視盤中心為圓心，以R為半徑的區(qū)域作為視盤鄰近區(qū)域，以確定的視盤鄰近區(qū)域內(nèi)長(zhǎng)度大于預(yù)設(shè)的分類長(zhǎng)度閾值的血管作為主血管。
[0046]其中，半徑R和分類長(zhǎng)度閾值的大小根據(jù)眼底圖片的大小和實(shí)際情況決定。作為優(yōu)選，所述R的取值為100?150，所述的分類長(zhǎng)度閾值為50?65。
[0047]所述步驟(3)通過(guò)如下步驟對(duì)主血管進(jìn)行分類得到主血管分類信息:
[0048](3-1)獲取各個(gè)主血管的平均管徑，指定平均管徑最大的主血管為靜脈血管；
[0049](3-2)將各個(gè)主血管切割