专利汇可以提供糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种糖尿病性 视网膜 病变图像中硬性渗出与高反射 信号 的分析方法。该方法首先对输入的SD OCT视网膜图像进行去噪,通过 定位 视网膜神经 纤维 层RNFL下边界和光 感受器 内外节层的边界IS/OS来限制高反射信号所在区域,利用自适应 阈值 法确定 种子 点集合,并通过基于人类视觉特性的区域生长方法提取高反射信号区域。然后通过彩色 眼底 照相CFP与SD OCT投影 图像配准 并裁剪 眼底图像 ,分割出裁剪后CFP眼底图像中的硬性渗出。最后提取出面积、数目、灰度、高度等一组量化特征用于分析视网膜图像中硬性渗出与高反射信号的相关性。本发明通过配准CFP眼底图像和投影图像来确定视网膜图像中的硬性渗出区域。,下面是糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法专利的具体信息内容。
1.一种糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法,其特征在于,包括以下步骤:
步骤1、采集SD OCT视网膜图像和CFP眼底图像;
步骤2、采用双边滤波算法对SD OCT视网膜图像进行去噪;
步骤3、利用二维的层分割方法定位视网膜神经纤维层RNFL和光感受器内外节的边界IS/OS,从而限制高反射信号所在区域;
步骤4、利用自适应阈值法确定高反射信号种子点集合,并根据基于人类视觉特性的区域生长法分割出高反射信号区域;
步骤5、根据SD OCT视网膜图像生成投影图像,与CFP眼底图像配准,获得裁剪后CFP眼底图像;
步骤6、利用多尺度的显著性检测法结合阈值法分割出裁剪后CFP眼底图像中的硬性渗出;
步骤7、根据裁剪后CFP眼底图像中硬性渗出定位SD OCT视网膜图像中的硬性渗出,在SD OCT视网膜图像中进行硬性渗出与高反射信号的相关性分析,分别得出硬性渗出与高反射信号在面积、数目、高度、灰度这些特征上存在的关系。
2.根据权利要求1所述的糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法,其特征在于,步骤2采用双边滤波算法对输入图像进行去噪处理,双边滤波算法的公式为:
式中f和h分别为输入和输出图像,函数c(ξ,x)用于测量邻域中心点x和邻域点ξ之间的空间距离,函数s用于测量两点间的灰度相似性,函数c和函数s都是高斯函数,是归一化函数。
3.根据权利要求1所述的糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法,其特征在于,步骤3中利用二维的层分割方法定位RNFL和IS/OS,从而限制高反射信号所在区域,具体为:
步骤3-1、采用图论的方法去估计内界膜ILM边界,主要利用垂直方向的梯度和像素灰度构造边的权值,具体权值构造如下:
式中Ia和Ib为相邻两个像素点a和b的灰度值,ga和gb表示像素点a和b的归一化梯度图像,λ代表相似度系数,取值为2.0, 是一个很小的保真项,取值为1×10-5,*为卷积操作;
然后采用动态规划策略求解最短路径,即ILM边界,具体最小权值函数定义:
且式中w为窗口大小,这里取作2,ni,j表示图在第i行,第j列的节点,i-w≥1,i+w≤M,M是图一列节点的数目;
步骤3-2、从ILM边界往下一定距离寻找梯度最大处的像素点,即为RNFL下边界,梯度最大处像素点的集合定义为:
其中i,j表示图像中的第i行,第j列,Δ取值为90,g为梯度算子,即[1,1,1,1,0,-1,-
1,-1,-1];
步骤3-3、根据原图像的灰度渐变图像结合曲线拟合的方法分割IS/OS边界,所述曲线拟合方法为四次多项式曲线拟合,具体为:
步骤3-3-1、首先根据下式构造灰度渐变图G:
步骤3-3-2、求出灰度渐变图的梯度图像,采用滤波器[-1;1]对灰度渐变图像进行滤波得到灰度渐变图像的梯度图,找到梯度图像中每一列灰度最大的像素点,同时排除灰度小于最大灰度一半的像素点,然后对剩下的像素点进行曲线拟合得到曲线f1;
步骤3-3-3、在曲线f1上方200像素单位距离内寻找灰度最大的像素点,根据最初找到的灰度最大点初次拟合曲线后,排除曲线上方的像素点,再次对剩下的像素点进行拟合,得到曲线f2;
步骤3-3-4、在曲线f2上方30像素范围内寻找梯度最大的像素点,并拟合曲线,排除曲线上方的像素点,再次拟合得到最终的曲线,即IS/OS边界。
4.根据权利要求1所述的糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法,其特征在于,步骤4利用自适应阈值法确定高反射信号种子点集合,并根据基于人类视觉特性的区域生长法分割出高反射信号区域的具体步骤为:
步骤4-1、通过迭代最大类间方差法逐步逼近最佳阈值,不断缩小目标区域的方法来分割出最终目标,即高反射信号的种子点集合;
步骤4-2、对阈值分割后的图像进行膨胀处理,膨胀窗口为[1,1,1;1,1,1;1,1,1];将刚可分辨亮度差作为区域生长的相似性准则,进行区域生长,刚可分辨亮度差定义为:
ΔI是关于图像灰度I的分段函数,α,β,C为待定参数,α取值在[0.01,0.3]之间,中间区间的起始灰度值a和终止灰度值b分别取[45,81]和[180,210]之间;于是,参数取值为α=
0.05,a=50,b=200;根据在函数间断点取值相等可以得到C=αa, 从而计算出C和β;
区域生长之后,剔除亮斑灰度与其边缘外5×5范围像素平均灰度差小于d的假亮斑,边缘外5×5范围像素是指以边缘的每一个像素为中心,半径大小为5个像素的窗口所覆盖且不属于亮斑的像素,d取值为20。
5.根据权利要求1所述的糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法,其特征在于,步骤5根据SD OCT视网膜图像生成投影图像,与CFP眼底图像配准,获得裁剪后CFP眼底图像,具体为:
利用半自动的配准方法来配准CFP眼底图像和SD OCT投影图像,根据两者图像中血管分支点相互对应的原则生成一个几何变换模型,基于这个变换模型匹配得到眼底图像中对应于SD OCT投影图像的区域,并裁剪相匹配的眼底图像用于下一步中硬性渗出的分割。
6.根据权利要求1所述的糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法,其特征在于,步骤6利用多尺度的显著性检测法结合阈值法分割出裁剪后CFP眼底图像中的硬性渗出,具体为:
步骤6-1、采用显著性检测方法来分割裁剪后CFP眼底图像中的硬性渗出,对于给定的一个尺度,像素的显著性定义为局部区域和其邻域像素特征向量的之间的欧式距离:
Ci,j=||v1-v2||
其中,v1表示图像局部区域的像素特征向量,v2表示邻域的像素特征向量,使用CIELabT T
彩色空间来定义像素特征向量,v1=[L1,a1,b1] ,v2=[L2,a2,b2] ,最终在所有不同尺度上的显著性总和为:
步骤6-2、得到裁剪后CFP眼底图像的显著图后,使用阈值法分割出硬性渗出所在区域,将分割出的假的硬性渗出,直接剔除。
7.根据权利要求1所述的糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法,其特征在于,步骤7根据裁剪后CFP眼底图像定位SD OCT视网膜图像中的硬性渗出,在SD OCT视网膜图像中进行硬性渗出与高反射信号的相关性分析,具体为:
首先根据裁剪后CFP眼底图像中硬性渗出的位置确定SD OCT视网膜图像中的硬性渗出区域,然后分别提取SD OCT视网膜图像中硬性渗出和高反射信号的灰度分布,高度分布,面积和数目特征,利用这些特征分析硬性渗出和高反射信号在SD OCT视网膜图像中的相关性,之后通过相关性系数cc,p值和统计分布来进行分析,最终得出硬性渗出与高反射信号在面积、数目、高度、灰度这些特征上存在的关系。
方法
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种尿路结石煎剂 | 2020-05-12 | 86 |
尿路表皮癌的检测方法 | 2020-05-13 | 827 |
一种治尿路结石的配方 | 2020-05-13 | 132 |
铁路粪尿自动收运装置 | 2020-05-12 | 338 |
治疗尿路感染的组合物 | 2020-05-12 | 487 |
治疗尿路感染的药物 | 2020-05-12 | 256 |
一种治疗糖尿病尿路感染的中成药 | 2020-05-11 | 807 |
一种泌尿外科尿路结石取石器械 | 2020-05-11 | 531 |
上尿路复杂病变经皮输尿管软镜术 | 2020-05-11 | 891 |
多路蒸发尿素造粒系统 | 2020-05-13 | 297 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。