基于廣度搜索算法的眼底圖像的動(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,具體涉及一種基于廣度搜索算法的眼底圖像的動(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;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)明提供了一種基于廣度搜索算法的眼底圖像的動(dòng)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(dòng)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(duì)所述全局血管集中的血管進(jìn)行動(dòng)靜脈視網(wǎng)膜血管分類,分類時(shí)進(jìn)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(duì)主血管進(jìn)行分類得到主血管分類信息;
[0011]取視盤周圍的主血管是因?yàn)橐话銇碚f,血管在剛從視盤中心處發(fā)源出來的時(shí)候動(dòng)靜脈還具有一些區(qū)分度,此時(shí)一般動(dòng)脈顏色要比靜脈淺,而且血管中間部位反光比較明顯,而當(dāng)血管延伸到離視盤越遠(yuǎn)的地方的時(shí)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(jìn)行動(dòng)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(kuò)展若干像素點(diǎn)的區(qū)域作為視盤鄰近區(qū)域(即以距離視盤中心若干個(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。
[0014]本發(fā)明中向外擴(kuò)展R個(gè)像素點(diǎn),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。
[0015]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。
[0016]確定主血管后,通過如下步驟對(duì)主血管進(jìn)行分類得到主血管分類信息:
[0017](1-1)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;
[0018]從解剖學(xué)原理上來說視盤周圍的一級(jí)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(yīng)至眼底圖像中血管管徑實(shí)際上眼底圖像中血管的寬度。
[0020](1-2)將各個(gè)主血管切割為若干片段,得到相應(yīng)的主血管切片;
[0021]采用切片而不使用全血管段的均值,是因?yàn)檫@樣可以增加樣本的數(shù)量,便于聚類區(qū)分動(dòng)靜脈,同時(shí)因?yàn)檠艿拈L(zhǎng)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(gè)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(duì)應(yīng)的主血管切片所在的類作為靜脈血管,另一類作為動(dòng)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(duì)每個(gè)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(gè)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(gè)像素點(diǎn)以內(nèi)的區(qū)域中所有像素點(diǎn)的顏色信息,并以該區(qū)域內(nèi)所有像素點(diǎn)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(diǎn)的RGB值和HSL值,并以所有像素點(diǎn)的顏色信息的均值作為該主血管切片的特征向量。
[0028]進(jìn)一步優(yōu)選,提取各個(gè)主血管切片的特征向量時(shí)獲取與血管中心的距離小于預(yù)設(shè)距離閾值的區(qū)域內(nèi)所有像素點(diǎn)的顏色信息,其預(yù)設(shè)的距離閾值為5?8個(gè)像素點(diǎn)。即沿該主血管切片的血管中心向四周分別獲取5?8個(gè)像素點(diǎn)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(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。
[0030]對(duì)全局血管集進(jìn)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(jìn)行血管類別的傳遞:十字交叉的兩根血管分別標(biāo)記為兩類血管;三岔結(jié)構(gòu)中的三根血管標(biāo)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(shí),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(gè)約束條件可以較好的區(qū)分由于血管分割時(shí)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(duì)于可信度高的血管傳遞不到的區(qū)域做補(bǔ)正的方式可以使得全局的血管標(biāo)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(gè)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(duì)長(zhǎng)度、距離、圖片大小等參數(shù)進(jìn)行衡量時(shí)統(tǒng)一以像素點(diǎn)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(kuò)擴(kuò)散得到所有血管,實(shí)現(xiàn)了一個(gè)完整的自動(dòng)血管分類方法,無需人工干預(yù),且分類精度高。
【附圖說明】
[0035]圖1為本實(shí)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(dòng)靜脈視網(wǎng)膜血管分類的流程圖;
[0037]圖3為本實(shí)施例中對(duì)眼底圖像進(jìn)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(shí)施例中對(duì)眼底圖像進(jìn)行視盤定位的流程圖;
[0041]圖7為本實(shí)施例眼底圖像的動(dòng)靜脈視網(wǎng)膜血管分類的全局分類信息的示意圖。
【具體實(shí)施方式】
[0042]下面將結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)描述。
[0043]本實(shí)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(dòng)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(duì)該眼底圖像采用基于廣度搜索算法的眼底圖像的動(dòng)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(shí)施例中通過對(duì)眼底圖像進(jìn)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(duì)眼底圖像進(jìn)行小波變換(IUWT小波),按照預(yù)設(shè)的二值化閾值對(duì)經(jīng)過小波變換的眼底圖像進(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;
[0048](1-2)對(duì)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,組合即得到原始血管集。
[0049]對(duì)血管樹分叉處做斷開處理時(shí):當(dāng)血管樹中的血管中心線中多根中心線匯集到一點(diǎn)時(shí),去除中心點(diǎn)(匯集的交叉點(diǎn)),得到單獨(dú)的多根血管中心線。
[0050]對(duì)各個(gè)血管段進(jìn)行線分割時(shí):以每一根中心線作為一個(gè)血管段。血管段為一條曲線,運(yùn)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(shí)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(duì)于環(huán)狀反光造成的誤分割,其分割出的血管相對(duì)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(diǎn)。
[0053]對(duì)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(diǎn)。其誤分割血管為視盤周圍的背景組成,因?yàn)槠淇拷暠P,而視盤周圍的背景顏色相對(duì)于遠(yuǎn)離視盤周圍的背景來說和普通血管顏色具有相識(shí)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(qiáng)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?yàn)槠鋬蓚?cè)背景一邊由視盤而另外一邊由普通背景組成。而實(shí)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(duì)于斑狀病變以及出血病變?cè)斐傻恼`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(diǎn)。但是其結(jié)構(gòu)相對(duì)正常血管來說顯得特別雜亂