基于廣度搜索算法的眼底圖像的動靜脈視網(wǎng)膜血管分類方法
【技術(shù)領域】
[0001]本發(fā)明涉及計算機輔助診斷技術(shù)領域，具體涉及一種基于廣度搜索算法的眼底圖像的動靜脈視網(wǎng)膜血管分類方法。
【背景技術(shù)】
[0002]隨著計算機技術(shù)中的人工智能領域的快速發(fā)展，計算機輔助診斷技術(shù)也逐漸發(fā)展。計算機輔助診斷技術(shù)是指通過影像學、醫(yī)學圖像處理技術(shù)以及其他可能的生理、生化手段，結(jié)合計算機的分析計算，輔助影像科醫(yī)師發(fā)現(xiàn)病灶，提高診斷的準確率。
[0003]通常醫(yī)學影像學中計算機輔助診斷分為三步，具體如下:第一步是把病變從正常結(jié)構(gòu)中提取出來；第二步是圖像特征的量化；第三步是對數(shù)據(jù)進行處理并得出結(jié)論。
[0004]因為計算機可以全面利用影像信息進行精確的定量計算，去除人的主觀性，避免因個人知識和經(jīng)驗的差異而引起的“千差萬別”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確、更為科學。
[0005]隨著現(xiàn)代高科技的發(fā)展，計算機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、也更趨于準確，其臨床應用范圍將進一步擴大。
[0006]在醫(yī)學檢測中，眼睛是唯一可無損檢測同時信息豐富的器官。研宄指出視網(wǎng)膜血管病變中的血管局限縮窄、彌漫縮窄、動靜脈交叉壓迫、血管行走改變、銅絲動脈、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。且對于腦卒中的預測，眼底檢查僅需40元，而MRI檢查則需要上千元，頸動脈超聲也需要140元。相比之下眼底檢查的性價比最高。眼底圖像計算機分析的全自動化的方法，包括可以提供即時的視網(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)預測三高并發(fā)癥的系統(tǒng)具有其確實的經(jīng)濟意義。因此，視網(wǎng)膜血管的病變檢測在對腦卒的輔助檢測具有突出作用。其中構(gòu)建一個動靜脈交叉壓迫視網(wǎng)膜血管病變的自動檢測系統(tǒng)更是其中的關(guān)鍵部分。
[0007]對眼底圖像進行血管分割、視盤定位和血管分類(動靜脈分裂)是視網(wǎng)膜血管的病變檢測的基礎，現(xiàn)有的血管分割方法需要人工添加標注信息，自動化程度不高。

【發(fā)明內(nèi)容】

[0008]針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于廣度搜索算法的眼底圖像的動靜脈視網(wǎng)膜血管分類方法。
[0009]一種基于廣度搜索算法的眼底圖像的動靜脈視網(wǎng)膜血管分類方法，首先獲取眼底圖像的全局血管集和視盤定位信息，所述的全局血管集為所述眼底圖像中所有血管的集合，所述的視盤定位信息包括所述眼底圖像的視盤中心，然后根據(jù)所述的全局血管集和視盤定位信息對所述全局血管集中的血管進行動靜脈視網(wǎng)膜血管分類，分類時進行如下步驟:
[0010](I)根據(jù)所述的全局血管集和視盤定位信息確定主血管，并對主血管進行分類得到主血管分類信息；
[0011]取視盤周圍的主血管是因為一般來說，血管在剛從視盤中心處發(fā)源出來的時候動靜脈還具有一些區(qū)分度，此時一般動脈顏色要比靜脈淺，而且血管中間部位反光比較明顯，而當血管延伸到離視盤越遠的地方的時候，其區(qū)分度越小，甚至到了專業(yè)醫(yī)生也幾乎無法利用血管的局部信息進行動靜脈分類的地步。
[0012]本發(fā)明中通過如下方法確定主血管:
[0013]以視盤中心向外為擴展若干像素點的區(qū)域作為視盤鄰近區(qū)域(即以距離視盤中心若干個像素點以內(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)長度大于預設的分類長度閾值的血管作為主血管。
[0014]本發(fā)明中向外擴展R個像素點，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)長度大于預設的分類長度閾值的血管作為主血管。
[0015]其中，半徑R和分類長度閾值的大小根據(jù)眼底圖片的大小和實際情況決定。作為優(yōu)選，所述R的取值為100?150，所述的分類長度閾值為50?65。
[0016]確定主血管后，通過如下步驟對主血管進行分類得到主血管分類信息:
[0017](1-1)獲取各個主血管的平均管徑，指定平均管徑最大的主血管為靜脈血管；
[0018]從解剖學原理上來說視盤周圍的一級血管(主血管)中最粗的一根血管一般為靜脈血管。
[0019]通常眼底圖像為二維圖像，反應至眼底圖像中血管管徑實際上眼底圖像中血管的寬度。
[0020](1-2)將各個主血管切割為若干片段，得到相應的主血管切片；
[0021]采用切片而不使用全血管段的均值，是因為這樣可以增加樣本的數(shù)量，便于聚類區(qū)分動靜脈，同時因為血管的長度并不是均勻的，可以保證特征維度的一致性。
[0022](1-3)提取各個主血管切片的特征向量，并基于所述的特征向量采用聚類法將所述的主血管切片聚為兩類，并以將靜脈血管對應的主血管切片所在的類作為靜脈血管，另一類作為動脈血管；
[0023]作為優(yōu)選，本發(fā)明中采用K均值聚類法將所述的主血管切片聚為兩類。
[0024](1-4)針對每個主血管，以(該主血管)較多主血管切片所在的類作為該主血管的分類結(jié)果。
[0025]作為優(yōu)選，所述步驟(1-3)中通過如下方法提取各個主血管切片的特征向量:
[0026]獲取距離主血管切片的血管中心若干個像素點以內(nèi)的區(qū)域中所有像素點的顏色信息，并以該區(qū)域內(nèi)所有像素點的顏色信息的均值作為該主血管切片的特征向量。
[0027]所述的顏色信息包括該采樣點的RGB值和HSL值，并以所有像素點的顏色信息的均值作為該主血管切片的特征向量。
[0028]進一步優(yōu)選，提取各個主血管切片的特征向量時獲取與血管中心的距離小于預設距離閾值的區(qū)域內(nèi)所有像素點的顏色信息，其預設的距離閾值為5?8個像素點。即沿該主血管切片的血管中心向四周分別獲取5?8個像素點的顏色信息。
[0029](2)利用所述的主血管分類信息采用基于SAT的廣度搜索算法對所述的全局血管集中的血管進行分類得到全局分類信息。
[0030]對全局血管集進行廣度搜索，基于SAT的廣度搜索算法在搜索過程中使用三條約束條件進行血管類別的傳遞:十字交叉的兩根血管分別標記為兩類血管；三岔結(jié)構(gòu)中的三根血管標記為；三岔結(jié)構(gòu)中的三根血管其中一根血管如果和剩余的兩根血管夾角之和小于或等于270度時，判定為約束2的三岔結(jié)構(gòu)，即三根血管為同一類血管，否則不做判定。
[0031]利用上述三個約束條件可以較好的區(qū)分由于血管分割時存在的漏分割而造成的交叉誤判斷成三叉的情況，提高分類精度。另一方面，基于該約束條件可信度高的血管先得到分類結(jié)果，可信度低的血管對于可信度高的血管傳遞不到的區(qū)域做補正的方式可以使得全局的血管標注的可信度提高，從而提高分類效果。
[0032]本發(fā)明指定較粗的主血管為靜脈血管，因此在整個SAT的廣度搜索算法中血管越粗，得到的該血管的分類結(jié)果的可信度越高。
[0033]未作特殊說明，本發(fā)明中對長度、距離、圖片大小等參數(shù)進行衡量時統(tǒng)一以像素點為單位。
[0034]與現(xiàn)有技術(shù)相比，本發(fā)明首先獲取視盤周圍的主血管的分類信息，并從主血管開始基于SAT的廣度搜索算法外擴擴散得到所有血管，實現(xiàn)了一個完整的自動血管分類方法，無需人工干預，且分類精度高。
【附圖說明】
[0035]圖1為本實施例的眼底圖像；
[0036]圖2為基于廣度搜索算法的眼底圖像的動靜脈視網(wǎng)膜血管分類的流程圖；
[0037]圖3為本實施例中對眼底圖像進行血管分割的流程圖；
[0038]圖4為血管分割得到的原始血管集的示意圖；
[0039]圖5為血管分割得到的全局血管集的示意圖；
[0040]圖6本實施例中對眼底圖像進行視盤定位的流程圖；
[0041]圖7為本實施例眼底圖像的動靜脈視網(wǎng)膜血管分類的全局分類信息的示意圖。
【具體實施方式】
[0042]下面將結(jié)合附圖和具體實施例對本發(fā)明進行詳細描述。
[0043]本實施例以圖1所示的眼底圖像為例來說明基于廣度搜索算法的眼底圖像的動靜脈視網(wǎng)膜血管分類方法，該眼底圖像的大小為3000X3000。由拍照造成的環(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，該眼底圖像中存在亮環(huán)。
[0044]對該眼底圖像采用基于廣度搜索算法的眼底圖像的動靜脈視網(wǎng)膜血管分類，分類流程如圖2所示，包括如下步驟:
[0045](I)獲取眼底圖像的全局血管集(即最終血管集)和視盤定位信息，全局血管集為眼底圖像中所有血管的集合，視盤定位信息包括眼底圖像的視盤中心；
[0046]本實施例中通過對眼底圖像進行血管分割獲取眼底圖像的全局血管集，具體流程如圖3所示，包括如下步驟:
[0047](1-1)對眼底圖像進行小波變換(IUWT小波)，按照預設的二值化閾值對經(jīng)過小波變換的眼底圖像進行二值化處理，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；
[0048](1-2)對血管樹分叉處做斷開處理得到血管段，并對各個血管段進行線分割得到血管，組合即得到原始血管集。
[0049]對血管樹分叉處做斷開處理時:當血管樹中的血管中心線中多根中心線匯集到一點時，去除中心點(匯集的交叉點)，得到單獨的多根血管中心線。
[0050]對各個血管段進行線分割時:以每一根中心線作為一個血管段。血管段為一條曲線，運用圖像處理的線分割的傳統(tǒng)方法，將曲線用多根直線逼近。得到的多根直線，每根直線即代表一根血管，所有直線的集合即為原始血管集。
[0051](1-3)確定誤分割血管，本實施例中誤分割血管得到第一類誤分割血管和第二類誤分割血管，從原始血管集合中刪除第一類誤分割血管和第二類誤分割血管，則得到全局血管集(即最終血管集)。
[0052]對于環(huán)狀反光造成的誤分割，其分割出的血管相對于正常血管具有是由小段的血管組成的環(huán)的結(jié)構(gòu)特點。
[0053]對于視盤周圍的躍階邊緣造成的誤分割，其分割出的血管在RGB色彩空間(即通道)和結(jié)構(gòu)上并沒有特別的特點。其誤分割血管為視盤周圍的背景組成，因為其靠近視盤，而視盤周圍的背景顏色相對于遠離視盤周圍的背景來說和普通血管顏色具有相識性；從結(jié)構(gòu)上來說由于其是孤立存在的，與視盤周圍血管混雜在一起也很難從結(jié)構(gòu)上區(qū)分出，如果強行從結(jié)構(gòu)上做判定容易造成大量的誤判。但是血管兩側(cè)的背景在RGB色彩空間上來說具有較大的色差，這是因為其兩側(cè)背景一邊由視盤而另外一邊由普通背景組成。而實際上一般的血管，其兩側(cè)背景都是由普通背景或者都是由視盤組成。
[0054]對于斑狀病變以及出血病變造成的誤分割，其分割出的血管在顏色上是由普通背景組成，不具有特殊特點。但是其結(jié)構(gòu)相對正常血管來說顯得特別雜亂