青光眼图像特征提取方法及装置制造方法及图纸

本发明专利技术提供一种青光眼图像特征提取方法及装置，包括：根据先验方向向量获得第一类和第二类的n个特征值，根据第一类n个特征值和第二类n个特征值生成2n维特征点并输出。本发明专利技术实施例提供的青光眼图像特征提取方法，通过根据眼底图像的杯盘比向量计算获得先验方向向量，进而根据先验方向向量生成多维空间，并使眼底图像的特征点落入到2n维空间中，达到对眼底照图像进行特征提取的目的。

【技术实现步骤摘要】

本专利技术涉及医疗检测
，尤其涉及一种青光眼图像特征提取方法及装置。
技术介绍
青光眼是一种以视神经乳头结构改变为特征的进展性视神经病变，世界卫生组织将其列为全球第二大致盲眼病。青光眼早期检测困难。在中国，有经验的青光眼专业医师严重缺乏，且主要集中在少数几个大城市的大医院。因此，大量青光眼患者因得不到及时检测而延误治疗，使得青光眼致盲率高达15％，致残率近30％。目前，青光眼的筛查和检测已成为眼科和公共卫生健康工作中急需解决的问题。计算机图像检测为解决这一迫在眉睫的问题提供了新的途径。现有的基于眼底照的机器学习辅助算法要么完全依据医生给出的指标；要么完全利用一般的图像处理的办法提取特征，而没有结合眼底照特殊的图像结构。以上两类方法都没有把医生和机器的优势结合起来，从而无法充分挖掘眼底照中的核心信息。同时，这两种方法提取的特征往往达到几十甚至上百维，不利于用机器学习的方法做后续的检测预测。如果利用PCA,LDA等降维算法进行维数约简，又会进一步丢失有效信息。更为重要的是，以上两类方法所提取的高维特征都不便于医生的理解，从而基于这些特征所做的检测建议也很难获得医生的认可。
技术实现思路
本专利技术提供一种青光眼图像特征提取方法及装置，用于解决现有技术中无法自动高效准确提取图像特征的问题。第一方面，本专利技术提供一种青光眼图像特征提取方法，包括：获取待测眼底图像和正常眼大视杯眼底照图像，并获取对应的杯盘轮廓线；将所述杯盘轮廓线形成的区域根据预设划分比例划分m个扇形区域，并计算获得所述扇形区域的杯盘比，得到第一杯盘比向量和第二杯盘比向量，所述第一杯盘比向量为待测眼底图像的杯盘比向量，所述第二杯盘比向量为正常眼大视杯眼底照图像的杯盘比向量；设置第一类第一先验方向向量为m维单位向量根据所述第一杯盘比向量和所述第一类第一先验方向向量做内积，获得第一类第一特征值；根据所述第一杯盘比向量和所述第二杯盘比向量获得第一标准杯盘比向量和第二标准杯盘比向量，设置第二类第一先验方向向量为第二标准杯盘比向量，将所述第一标准杯盘比向量和所述第二标准杯盘比向量做内积，获得第二类第一特征值；根据第一类第一先验方向向量和第二类第一先验方向向量获得第一类第2、3……n特征向量和第二类第2、3……n特征向量，并获得第一类第2、3……n特征值和第二类第2、3……n特征值，其中，n为大于或等于2的整数；根据第一类n个特征值和第二类n个特征值生成2n维特征点并输出。可选的，所述根据所述第一杯盘比向量和所述第二杯盘比向量获得第一标准杯盘比向量和第二标准杯盘比向量，包括：获得杯盘比向量的均值；根据杯盘比向量和均值采用标准化计算公式获得标准杯盘比向量；其中，所述标准化计算公式包括：其中m为根据预设划分比例划分扇形区域的个数，a为使的系数，为杯盘比向量，为均值向量。可选的，所述根据第一类第一先验方向向量和第二类第一先验方向向量获得第一类第2、3……n特征向量和第二类第2、3……n特征向量，并获得第一类第2、3……n特征值和第二类第2、3……n特征值，包括：根据第一类第一先验方向向量和第二类第一先验方向向量分别采用先验PCA算法获得第一类第2、3……n先特征向量和第二类第2、3……n特征向量，并获得第一类第2、3……n特征值和第二类第2、3……n特征值；其步骤包括：以μ1,μ2,…,μn-1为先验方向向量，设置约束条件为：在所述约束条件下，在与μ1,μ2,…,μn-1都正交的空间中得到使得样本集合分布最分散的投影方向μn，；设置其中，x为样本集合矩阵,将样本集合矩阵投影到投影方向μn上，使z的方差最大，则μn为最大特征值对应的特征向量；其中，μn为第一类第n特征向量或第二类第n特征向量；将所述第一杯盘比向量和所述第一类第2,3,…,n特征方向向量做内积，获得第一类第2,3,…,n特征值；将所述第一标准杯盘比向量和所述第二类第2,3,…,n特征方向向量做内积，获得第二类第2,3,…,n特征值。第二方面，本专利技术提供的一种青光眼图像特征提取装置，包括：获取模块，用于获取待测眼底图像和正常眼大视杯眼底照图像，并获取对应的杯盘轮廓线；划分模块，用于将所述杯盘轮廓线形成的区域根据预设划分比例划分m个扇形区域，并计算获得所述扇形区域的杯盘比，得到第一杯盘比向量和第二杯盘比向量，所述第一杯盘比向量为待测眼底图像的杯盘比向量，所述第二杯盘比向量为正常眼大视杯眼底照图像的杯盘比向量；第一计算模块，用于设置第一类第一先验方向向量为m维单位向量根据所述第一杯盘比向量和所述第一类第一先验方向向量做内积，获得第一类第一特征值；第二计算模块，用于根据所述第一杯盘比向量和所述第二杯盘比向量获得第一标准杯盘比向量和第二标准杯盘比向量，设置第二类第一先验方向向量为第二标准杯盘比向量，将所述第一标准杯盘比向量和所述第二标准杯盘比向量做内积，获得第二类第一特征值；第三计算模块，用于根据第一类第一先验方向向量和第二类第一先验方向向量获得第一类第2、3……n特征向量和第二类第2、3……n特征向量，并获得第一类第2、3……n特征值和第二类第2、3……n特征值；生成模块，用于根据第一类的n个特征值和第二类的n个特征值生成2n维特征点并输出。可选的，所述第二计算模块具体用于：获得杯盘比向量的均值；根据杯盘比向量和均值采用标准化计算公式获得标准杯盘比向量；其中，所述标准化计算公式包括：其中m为根据预设划分比例划分扇形区域的个数，a为使的系数，为杯盘比向量，为均值向量。可选的，所述第三计算模块具体用于：根据第一类第一先验方向向量和第二类第一先验方向向量分别采用先验PCA算法获得第一类第n特征向量和第二类第n特征向量，并获得第一类第n特征值和第二类第n特征值；其步骤包括：以μ1,μ2,…,μn-1为先验方向向量，设置约束条件为：在所述约束条件下，在与μ1,μ2,…,μn-1都正交的空间中得到使得样本集合分布最分散的投影方向μn；设置其中，x为样本集合矩阵,将样本集合矩阵投影到投影方向μn上，使z的方差最大，则μn为最大特征值对应的特征向量；其中，μn为第一类第n特征向量或第二类第n特征向量；将所述第一杯盘比向量和所述第一类第2,3,…,n特征方向向量做内积，获得第一类第2,3,…,n特征值；将所述第一标准杯盘比向量和所述第二类第2,3,…,n特征方向向量做内积，获得第二类第2,3,…,n特征值。由上述技术方案可知，本专利技术实施例提供的青光眼图像特征提取方法及装置，通过根据眼底图像的杯盘比向量计算获得先验方向向量，进而根据先验方向向量生成多维特征空间和多维特征点，并将特征点投影到特征空间中，实现特征值提取的准确性，达到从眼底图像提取与青光眼相关特征的目的。附图说明图1为本专利技术一实施例提供的青光眼图像特征提取方法的流程示意图；图2为本专利技术一实施例提供的眼底图像特征提取的流程示意图；图3为本专利技术一实施例提供的青光眼图像特征提取装置的结构示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。图1示出了本专利技术一实施例提供一种青光眼图像特征提取方法，包括：S11、获取待测眼底图像和正常眼大视杯眼底照图像，并获取对应的杯盘轮廓线。在本步骤中，需本文档来自技高网...

【技术保护点】
一种青光眼图像特征提取方法，其特征在于，包括：获取待测眼底图像和正常眼大视杯眼底照图像，并获取对应的杯盘轮廓线；将所述杯盘轮廓线形成的区域根据预设划分比例划分m个扇形区域，并计算获得所述扇形区域的杯盘比，得到第一杯盘比向量和第二杯盘比向量，所述第一杯盘比向量为待测眼底图像的杯盘比向量，所述第二杯盘比向量为正常眼大视杯眼底照图像的杯盘比向量；设置第一类第一先验方向向量为m维单位向量根据所述第一杯盘比向量和所述第一类第一先验方向向量做内积，获得第一类第一特征值；根据所述第一杯盘比向量和所述第二杯盘比向量获得第一标准杯盘比向量和第二标准杯盘比向量，设置第二类第一先验方向向量为第二标准杯盘比向量，将所述第一标准杯盘比向量和所述第二标准杯盘比向量做内积，获得第二类第一特征值；根据第一类第一先验方向向量和第二类第一先验方向向量获得第一类第2、3……n特征向量和第二类第2、3……n特征向量，并获得第一类第2、3……n特征值和第二类第2、3……n特征值，其中，n为大于或等于2的整数；根据第一类n个特征值和第二类n个特征值生成2n维特征点并输出。

【技术特征摘要】
1.一种青光眼图像特征提取方法，其特征在于，包括：获取待测眼底图像和正常眼大视杯眼底照图像，并获取对应的杯盘轮廓线；将所述杯盘轮廓线形成的区域根据预设划分比例划分m个扇形区域，并计算获得所述扇形区域的杯盘比，得到第一杯盘比向量和第二杯盘比向量，所述第一杯盘比向量为待测眼底图像的杯盘比向量，所述第二杯盘比向量为正常眼大视杯眼底照图像的杯盘比向量；设置第一类第一先验方向向量为m维单位向量根据所述第一杯盘比向量和所述第一类第一先验方向向量做内积，获得第一类第一特征值；根据所述第一杯盘比向量和所述第二杯盘比向量获得第一标准杯盘比向量和第二标准杯盘比向量，设置第二类第一先验方向向量为第二标准杯盘比向量，将所述第一标准杯盘比向量和所述第二标准杯盘比向量做内积，获得第二类第一特征值；根据第一类第一先验方向向量和第二类第一先验方向向量获得第一类第2、3……n特征向量和第二类第2、3……n特征向量，并获得第一类第2、3……n特征值和第二类第2、3……n特征值，其中，n为大于或等于2的整数；根据第一类n个特征值和第二类n个特征值生成2n维特征点并输出。2.根据权利要求1所述的方法，其特征在于，所述根据所述第一杯盘比向量和所述第二杯盘比向量获得第一标准杯盘比向量和第二标准杯盘比向量，包括：获得杯盘比向量的均值；根据杯盘比向量和均值采用标准化计算公式获得标准杯盘比向量；其中，所述标准化计算公式包括：其中m为根据预设划分比例划分扇形区域的个数，a为使的系数，为杯盘比向量，为均值向量。3.根据权利要求1所述的方法，其特征在于，所述根据第一类第一先验方向向量和第二类第一先验方向向量获得第一类第2、3……n特征向量和第二类第2、3……n特征向量，并获得第一类第2、3……n特征值和第二类第2、3……n特征值，包括：根据第一类第一先验方向向量和第二类第一先验方向向量分别采用先验PCA算法获得第一类第2、3…～…n先特征向量和第二类第2、3……n特征向量，并获得第一类第2、3……n特征值和第二类第2、3……n特征值；其步骤包括：以μ1,μ2,...,μn-1为先验方向向量，设置约束条件为：||μn||=1,μnTμn-1=0,μnTμn-2=0,......,μnTμ1=0;]]>在所述约束条件下，在与μ1,μ2,...,μn-1都正交的空间中得到使得样本集合分布最分散的投影方向μn，；设置其中，x为样本集合矩阵,将样本集合矩阵投影到投影方向μn上，使z的方差最大，则μn为最大特征值对应的特征向量；其中，μn为第一类第n特征向量或第二类第n特征向量；将所述第一杯盘比向量和所述第一类第2,3,…,n特征方向向量做内积，获得第一类第2,3,…,n特征值；将所...

【专利技术属性】
技术研发人员：徐永利，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：北京;11