[发明专利]角膜共聚焦图像中细胞基础指标的精准量化方法及装置

说明书

本发明提供一种角膜共聚焦图像中细胞基础指标的精准量化方法，包括：获取待识别的角膜共聚焦图像并输入到细胞边界分割模型，根据细胞边界分割模型输出细胞边界概率图；其中，细胞边界分割模型是以角膜共聚焦图像样本作为输入、以角膜共聚焦图像样本中每个像素点是否为细胞边界的标注结果作为输出标签，通过机器学习训练得到的；对细胞边界概率图进行预设后处理，得到细胞边界分割图；基于细胞边界分割图，获取角膜共聚焦图像的细胞区域，根据角膜共聚焦图像的细胞区域计算角膜细胞的基础指标。本发明提供的角膜共聚焦图像中细胞基础指标的精准量化方法及装置，可实现角膜共聚焦图像中细胞边界的自动化高效分割及角膜细胞基础指标的精准量化。

技术领域

本发明涉及医学图像处理技术领域，尤其涉及一种角膜共聚焦图像中细胞基础指标的精准量化方法及装置。

背景技术

共聚焦显微镜相当于活体病理检查，在临床上能很好的给予医生诊断依据，使患者得到及时有效的治疗。但是，目前共聚焦显微镜无法对各层细胞的基础指标进行精准量化。目前，实际使用共聚焦显微镜对患者进行角膜检查时，主要是依靠有经验的眼科医生在共聚焦图像中先选取特定区域，然后手工计数。但这一操作费时费力，而且只能获得细胞数目和密度，对于其他形态指标无法精准量化。

实现角膜细胞边界的自动化识别是进行角膜细胞基础指标量化的前提。现有技术提出利用传统图像处理步骤例如带宽滤波、二值化、分水岭算法等，进行细胞边界分割。但由于共聚焦图像中光照不均、噪声较大，并且传统特征鲁棒性不强，无法适应例如光照多样、细胞形态多样、存在各种病变区域的角膜图像情况，同时，传统特征需要人工根据实际图像设定阈值，不适用于复杂的真实场景。因此，自动化识别角膜细胞的边界成为亟待解决的技术问题。

发明内容

为解决现有技术中的问题，本发明提供一种角膜共聚焦图像中细胞基础指标的精准量化方法及装置。

本发明提供一种角膜共聚焦图像中细胞基础指标的精准量化方法，包括：获取待识别的角膜共聚焦图像；将所述角膜共聚焦图像输入到细胞边界分割模型，根据所述细胞边界分割模型输出细胞边界概率图；其中，所述细胞边界分割模型是以角膜共聚焦图像样本作为输入、以所述角膜共聚焦图像样本中每个像素点是否为细胞边界的标注结果作为输出标签，通过机器学习训练得到的；对所述细胞边界概率图进行预设后处理，得到细胞边界分割图；基于所述细胞边界分割图，获取所述角膜共聚焦图像的细胞区域，根据所述角膜共聚焦图像的所述细胞区域计算角膜细胞的基础指标。

根据本发明提供的一种角膜共聚焦图像中细胞基础指标的精准量化方法，所述预设后处理包括以下处理过程中的至少一种：对所述细胞边界概率图进行平滑处理后，进行全局自适应阈值二值化处理，生成具有边界轮廓的二值图像；对所述二值图像进行形态细化处理，生成所述边界轮廓为单像素宽的细化后二值图像；去除所述细化后二值图像中图像边缘上不完整的细胞区域；去除所述细化后二值图像中所述边界轮廓上的突出线条；去除孤立点；去除面积小于预设阈值的闭合区域。

根据本发明提供的一种角膜共聚焦图像中细胞基础指标的精准量化方法，所述角膜细胞的基础指标包括细胞数目、细胞密度、正常细胞比例、细胞面积变异系数、细胞面积的最小值、细胞面积的最大值、细胞面积的平均值及细胞面积的方差中的至少一种。

根据本发明提供的一种角膜共聚焦图像中细胞基础指标的精准量化方法，所述基于所述细胞边界分割图，获取所述角膜共聚焦图像的细胞区域，具体包括：将所述细胞边界分割图的前景从细胞边界区域变为非细胞边界区域；计算所述细胞边界分割图中所有的连通分量，去除所述所有的连通分量中与所述细胞边界分割图的边缘临接的所述连通分量实现去背景处理，仅保留用于标识所述细胞区域的所述连通分量。