[发明专利]基于OCT影像的眼前房角开放程度多特征分类方法

说明书

技术领域

本发明属于医学图像处理领域，涉及一种新的基于OCT影像的眼前房角开放程度多特征分类方法。

背景技术

青光眼是世界范围内致盲的主要原因，大致可以分为开角型和闭角型两大类。房角闭合是原发性闭角型青光眼(primary angle closure glaucoma，PACG)的发病机制。据估计，到2020年全世界将有2100万闭角型青光眼患者，其中有1000万为中国患者。其病理为，周边虹膜与小梁网相接触或与小梁网产生永久性粘连，房水外流受阻，引起眼压升高。因此，前房角开放(或闭合)程度的评价对原发性闭角型青光眼的排查至关重要。频域OCT(FD-OCT)能够在短时间内获得清晰的眼前房角图像，且图像受眼动误差影响较小，因此其已逐渐成为眼前房角的主要成像手段。但由于OCT成像质量受噪声影响较大，在帧平均失败的情况下易造成前房角内解剖结构细节的不明显，直接导致已有的基于解剖结构特征参数测量或者基于图像视觉特征分类的方法无法正确地评估房角闭合状态。而已有的基于图像视觉特征分类的方法，对于成像清晰的图像也仅能从大类上简单区分眼前房角是开放或闭合两个状态，无法实现眼前房角的细化分类。根据图像分类的经验，只有在足够高的特征向量空间下才能获取较优的评估性能。因此，该情况下可以考虑利用图像中高维的视觉特征取代解剖特征，并且取多个特征对房角闭合状态进行全面描述，以获得更为准确的房角分类结果。由此可见，实现高效且客观的房角闭合程度计算机自动评估方法，是图像处理分析技术与眼前房角OCT影像相结合的有重要意义的课题。本发明基于多特征的眼前房角开放程度评估方法能够实现对前房角闭合状态的准确与快速分类。

发明内容

本发明考虑到：(1)传统的前房角评估方法，均基于对眼前房角内一些解剖结构相关特征参数的测量，但解剖结构细节在前房角OCT图像中并非全部能够被辨识，且1-2个解剖结构参数无法完全描述房角闭合状态信息；(2)由于OCT成像质量受噪声或眼动影响较大，易造成前房角隐窝区域细节不明显，因此在成像时受到扰动(如眼颤)或帧平均增强算法失效时，已有的基于解剖结构特征参数测量或者基于图像视觉特征的方法无法正确地对房角闭合状态进行分类。(3)已有的基于图像视觉特征信息的分类方法，特征选择较为单一，对房角隐窝区域描述不够全面，即使对于成像清晰的图像也仅能从大类上简单区分青光眼的种类，无法实现眼前房角的细化分类。因此，如何能够在适用范围更广的前房角FD-OCT图像中实现基于多重特征的房角开放程度分类方法具有较高的研究意义与实用价值。本发明基于局部点、局部线、局部区域等涉及亮度、边缘与区域形状等三个方面的图像特征，通过采用支持向量机分类能够实现对前房角闭合状态的客观且准确地分类方法。

本发明基于多特征的眼前房角开放程度分级评估方法，包括以下步骤：

步骤(1)对眼前房角OCT图像进行图像分割操作，分割出完整的眼前房角房角区域。

步骤(2)根据眼前房角结构特性，对分割后的图像做边缘检测，并根据角膜后边缘与虹膜前边缘的交点，找出房角隐窝区域作为感兴趣区域。

步骤(3)在感兴趣区域中分别计算梯度、Edgelet和CoHOG特征。

步骤(4)利用支持向量机对图像进行多级分类。

本发明的有益效果：

1、对于成像质量较低的图像具有较高的自动评级正确率，能够对眼前房角闭合状态进行细致准确的分类。

2、本发明充分考虑了前房角OCT图像亮度、边缘与区域形状等多个方面的图像特征，自动评级结果性能稳定，不易受成像时外界环境变化的影响，能够更快且客观地获取眼前房角的开放/闭合状态信息。

附图说明

图1(a)原图像I；

图1(b)分割后图像I'_BW；

图2感兴趣区域提取示意图；

图3方向量化图；

图4CoHOG矩阵的偏移量坐标，(中间圆圈为当前像素点，其它圆圈为其计算CoHOG时所参考的偏移坐标位置)。

具体实施方式

以下结合附图对本发明作进一步说明。

步骤(1)对眼前房角OCT图像进行图像分割操作，分割出完整的眼前房角区域，其步骤如下：

1-1、对图像I(图1(a))采用7×3的中值滤波器去除前房角OCT图像中的斑点噪声，得到图像P.

1-2、对图像P做形态学灰度重建得到I_R，其计算范围为各像素点的四邻域。