[发明专利]一种基于B-COSFIRE的眼底图像视网膜血管分割方法

说明书

本发明公开了一种基于B‑COSFIRE的眼底图像视网膜血管分割方法，首先通过取绿色通道，CLAHE等操作突出血管特征并降低噪声，再用B‑COSFIRE滤波器进行响应滤波，最后通过形态学高帽变换和基于连通域的后处理操作提高分割效果；通过对B‑COSFIRE滤波器的特殊配置，使得B‑COSFIRE滤波器对眼底图像具有准确的响应；该方法对于建立高效可靠的计算机辅助医疗系统具有重要意义，对提升辅助医疗系统的精度及效率，乃至临床诊断，疗效评估及早期病症筛查等提供了更为高效的血管分割基础。

技术领域

本发明医学图像识别领域，特别涉及一种基于B-COSFIRE的眼底图像视网膜血管分割方法。

背景技术

目前对眼科图像进行分析、研究的主要方法有机器学习的方法，包括监督学习和非监督学习的方法，深度学习的方法，以及传统的基于形态学的方法。深度学习的方法基本在眼科图像分析的各个领域，在准确率上有着几乎无法超越的成绩，但是深度学习需要耗费大量的时间训练神经网络。普通的机器学习的方法虽比起深度学习耗时较短，但也需要一定时间训练分类器，且随着所选取的特征向量的维度的增多导致训练时间大大增加，所取得的结果的好坏也与特征向量的选择以及分类器的选择息息相关。传统的基于数字图像处理、基于形态学的方法，因没有训练过程，所消耗时间是最少的，但取得的结果也是其中最不理想的。COSFIRE的方法在眼科图像分析研究领域中，是一种新颖的方法，它不需要耗费机器学习所需要的训练分类器的时间，但是能取得较之机器学习更好的结果。因此，无论是单独将COSFIRE方法所取得的结果作为图像分析的最终结果，还是将COSFIRE方法的结果作为特征向量训练分类器，又或者是作为图像预处理手段，为接下来的其它图像分析手段提供帮助。COSFIRE方法能够快速对图像进行分析，同时，又能够取得较好的分析结果的特点使之能够在眼科图像分析处理领域占有一席之地。

国内外许多学者都在从事视网膜血管分割研究的工作，并取得了一定成果。现有的视网膜血管分割的方法大致有以下几类：基于模式识别的方法、基于匹配滤波器的方法、基于血管跟踪的方法、基于数学形态学的方法、多尺度方法和基于模型的方法。上述方法中，要么所需要的时间过多，要么所取得的结果不够理想。而在彩色眼底图图像研究中，眼底图的血管分割与提取几乎是必有的前提步骤，好的血管分割的结果能使接下来的处理操作变得更为容易，所取得的结果也能进一步优化。

COSFIRE，全称为Combination of Shifted Filter Response，是基于2012年提出的CORF模型所发展出的，由Azzopardi博士提出的实际应用方法。CORF，全称为CombinationofReceptive Fields，是视觉细胞的简单模型。眼科图像包括常见的彩色眼底图，光学相干断层扫描仪(OCT)图等。彩色眼底图利用的是眼底照相机对眼球内壁进行不同角度拍摄而成的图像。眼底图像能使人们尽早地发现各种眼部疾病，如青光眼、视神经炎等。眼底图像为多种严重的医学疾病提供了一种非暴力型的诊断方式。光学相干断层扫描仪简称OCT，是通过光学原理进行诊断成像的设备，可以提供视网膜横断面的图像，用于在检测青光眼和视网膜病时进行客观定量测量和定性临床分析。

COSFIRE方法不仅能应用于眼科图像研究，也能应用于图像处理的其它方向。以COSFIRE方法在眼底图中的应用举例，COSFIRE方法能快且好的完成眼底图的血管分割，血管分叉点和交叉点检测，通过进一步设计后还能完成病灶检测等。视网膜血管是人体全身血管中唯一可以无创直接观察到的血管，它的形状、管径、尺度、分支角度是否有变化，以及是否有增生，渗出，均可反映全身血管的病变。因此，检测并提取视网膜彩色眼底图中血管，对于与之相关的各种疾病的辅助诊断，辅助治疗和后期观察都具有重要的临床医学意义。而血管分差点和交叉点的检测，及病灶检测则是彩色眼底图分析的进一步发展，能为辅助诊断和辅助治疗提供更加详细的数据上的支持。