[发明专利]基于广度搜索算法的眼底图像的动静脉视网膜血管分类方法

说明书

技术领域

本发明涉及计算机辅助诊断技术领域，具体涉及一种基于广度搜索算法的眼底图像的动静脉视网膜血管分类方法。

背景技术

随着计算机技术中的人工智能领域的快速发展，计算机辅助诊断技术也逐渐发展。计算机辅助诊断技术是指通过影像学、医学图像处理技术以及其他可能的生理、生化手段，结合计算机的分析计算，辅助影像科医师发现病灶，提高诊断的准确率。

通常医学影像学中计算机辅助诊断分为三步，具体如下：第一步是把病变从正常结构中提取出来；第二步是图像特征的量化；第三步是对数据进行处理并得出结论。

因为计算机可以全面利用影像信息进行精确的定量计算，去除人的主观性，避免因个人知识和经验的差异而引起的“千差万别”的诊断结果；所以它的结果是不含糊的，是确定的，它使诊断变得更为准确、更为科学。

随着现代高科技的发展，计算机辅助诊断将与图像处理和PACS系统等技术融合，变得更易于操作、也更趋于准确，其临床应用范围将进一步扩大。

在医学检测中，眼睛是唯一可无损检测同时信息丰富的器官。研究指出视网膜血管病变中的血管局限缩窄、弥漫缩窄、动静脉交叉压迫、血管行走改变、铜丝动脉、出血、棉絮斑、硬性渗出以及视网膜神经纤维层缺损与脑卒有显著的相关性。且对于脑卒中的预测，眼底检查仅需40元，而MRI检查则需要上千元，颈动脉超声也需要140元。相比之下眼底检查的性价比最高。眼底图像计算机分析的全自动化的方法，包括可以提供即时的视网膜病变分类，而不需要专家意见，建立以眼底血管视神经预测三高并发症的系统具有其确实的经济意义。因此，视网膜血管的病变检测在对脑卒的辅助检测具有突出作用。其中构建一个动静脉交叉压迫视网膜血管病变的自动检测系统更是其中的关键部分。

对眼底图像进行血管分割、视盘定位和血管分类(动静脉分裂)是视网膜血管的病变检测的基础，现有的血管分割方法需要人工添加标注信息，自动化程度不高。

发明内容

针对现有技术的不足，本发明提供了一种基于广度搜索算法的眼底图像的动静脉视网膜血管分类方法。

一种基于广度搜索算法的眼底图像的动静脉视网膜血管分类方法，首先获取眼底图像的全局血管集和视盘定位信息，所述的全局血管集为所述眼底图像中所有血管的集合，所述的视盘定位信息包括所述眼底图像的视盘中心，然后根据所述的全局血管集和视盘定位信息对所述全局血管集中的血管进行动静脉视网膜血管分类，分类时进行如下步骤：

(1)根据所述的全局血管集和视盘定位信息确定主血管，并对主血管进行分类得到主血管分类信息；

取视盘周围的主血管是因为一般来说，血管在刚从视盘中心处发源出来的时候动静脉还具有一些区分度，此时一般动脉颜色要比静脉浅，而且血管中间部位反光比较明显，而当血管延伸到离视盘越远的地方的时候，其区分度越小，甚至到了专业医生也几乎无法利用血管的局部信息进行动静脉分类的地步。

本发明中通过如下方法确定主血管：

以视盘中心向外为扩展若干像素点的区域作为视盘邻近区域(即以距离视盘中心若干个像素点以内的区域作为视盘邻近区域)，以所述的视盘邻近区域内长度大于预设的分类长度阈值的血管作为主血管。

本发明中向外扩展R个像素点，即以视盘中心为圆心，以R为半径的区域作为视盘邻近区域，以确定的视盘邻近区域内长度大于预设的分类长度阈值的血管作为主血管。

其中，半径R和分类长度阈值的大小根据眼底图片的大小和实际情况决定。作为优选，所述R的取值为100～150，所述的分类长度阈值为50～65。

确定主血管后，通过如下步骤对主血管进行分类得到主血管分类信息：

(1-1)获取各个主血管的平均管径，指定平均管径最大的主血管为静脉血管；

从解剖学原理上来说视盘周围的一级血管(主血管)中最粗的一根血管一般为静脉血管。

通常眼底图像为二维图像，反应至眼底图像中血管管径实际上眼底图像中血管的宽度。

(1-2)将各个主血管切割为若干片段，得到相应的主血管切片；

采用切片而不使用全血管段的均值，是因为这样可以增加样本的数量，便于聚类区分动静脉，同时因为血管的长度并不是均匀的，可以保证特征维度的一致性。

(1-3)提取各个主血管切片的特征向量，并基于所述的特征向量采用聚类法将所述的主血管切片聚为两类，并以将静脉血管对应的主血管切片所在的类作为静脉血管，另一类作为动脉血管；

作为优选，本发明中采用K均值聚类法将所述的主血管切片聚为两类。