【技术实现步骤摘要】
【国外来华专利技术】用于诊断耳部病理的耳镜图像分析的系统和方法相关申请的交叉引用本专利申请要求于2016年9月2日提交的美国临时专利申请序列号62/382,914的优先权和权益,该专利申请全文以引用方式并入本文并且构成本专利申请的一部分。
技术介绍
耳部感染,特别是中耳的急性感染(急性中耳炎),是最常见的儿童期疾病,仅在美国,每年医生就诊约为2000万次。通过开发评估耳膜的客观方法,诊断的主观性导致需要解决的关键差距以改善诊断准确性。文献中的少数先前研究集中在基于计算机的耳膜分析以辅助耳部病理的客观诊断,但是这些研究仅限于评估中耳炎,同时排除其他重要的耳部病理[1至4]。开发更具包容性的客观方法来识别耳膜异常将有助于临床医生诊断或排除临床耳镜检查中可能微妙的病理(例如,中耳液)。目前耳部病理诊断以及现有软件工具的工作如下:和其同事开发的计算机图像分析软件的早期研究尝试专门针对儿科病例的中耳炎[1]。该研究的作者通过使用不同的监督分类器研究了两种颜色描述符的性能:HSV颜色直方图和HSV颜色聚合向量。他们的实验表明,HSV颜色聚合向量表现出比经典颜色直方图更好的性能。然而,作者还得出结论,单独的颜色信息不足以识别中耳炎病例。在最近的一项研究中,Kuruvilla和其同事开发了一个词汇和语法系统,以便将给定的耳膜图像分类为急性中耳炎(AOM)、中耳炎有积液(OME)或无积液(NOE)[2]。该算法以分段步骤开始,该步骤旨在定位耳膜,随后是减少局部照明问题影响的步骤。接下来,提取若干代表性特征以表示临床特征,诸如耳膜的鼓胀或半透明,或耳膜后面的气泡的存在。最后,使用基于分层规则的决策树对 ...
【技术保护点】
1.一种对图像中的鼓膜病理进行分类的方法,包括:使用图像捕获设备捕获鼓膜的一个或多个图像;对所述捕获的一个或多个图像执行预处理;以及使用所述捕获的一个或多个图像对所述鼓膜的病理进行分类。
【技术特征摘要】
【国外来华专利技术】2016.09.02 US 62/382,9141.一种对图像中的鼓膜病理进行分类的方法,包括:使用图像捕获设备捕获鼓膜的一个或多个图像;对所述捕获的一个或多个图像执行预处理;以及使用所述捕获的一个或多个图像对所述鼓膜的病理进行分类。2.根据权利要求1所述的方法,其中使用所述捕获的一个或多个图像对所述鼓膜的病理进行分类包括从所述一个或多个图像中提取计算机视觉特征(CVF);从所述一个或多个图像中提取具有临床意义的耳膜特征(CMEF);以及使用所述CVF和CMEF信息对所述鼓膜的病理进行分类,所述信息通过双层堆叠泛化算法融合,所述算法侧重于互补特征而非强特征。3.根据权利要求2所述的方法,其中所述预处理步骤包括以下中的一者或多者:减少基于传感器的问题,选择所述一个或多个图像中的感兴趣区域,以及检测光反射和创建减少这些眩光效果的所述一个或多个图像的副本。4.根据权利要求2或3所述的方法,其中从所述一个或多个图像中提取所述CVF包括使用视觉MPEG-7描述符、梯度直方图和网格颜色矩特征中的一个或多个从所述一个或多个图像中提取颜色、纹理和形状信息。5.根据权利要求2至4中任一项所述的方法,其中所述CMEF从所述一个或多个图像中识别异常和正常的所述一些线索。6.根据权利要求2至5中任一项所述的方法,其中CMEF包括光锥的位置、锤骨的可见度、膜的突起、鼓膜造孔管的存在或蜡的存在。7.根据权利要求2至6中任一项所述的方法,其中所述双层堆叠泛化算法包括使用模糊堆叠泛化(FSG)分类器。8.根据权利要求1所述的方法,其中使用所述捕获的一个或多个图像对所述鼓膜的病理进行分类包括使用对所述自动识别异常的深度学习。9.根据权利要求8所述的方法,其中所述深度学习包括深度学习网络,包括InceptionV3或ResNet。10.根据权利要求1所述的方法,其中使用所述捕获的一个或多个图像对所述鼓膜的病理进行分类包括使用基于内容的图像检索(CBIR)将所述一个或多个图像与图像库进行比较以识别异常。11.根据权利要求8至10中任一项所述的方法,其中所述异常包括急性中耳炎(AOM)、中耳积液(无感染的液体)、胆脂瘤(耳中常见的破坏性皮肤囊肿)、耳膜穿孔和耳膜回缩与正常的一种或多种。12.根据权利要求1至11中任一项所述的方法,其中预处理包括生成复合图像,其中从所述复合图像中去除模糊、蜡、眩光和毛发。13.根据权利要求1至12中任一项所述的方法,其中所述图像捕获设备捕获所述鼓膜的一个或多个静止图像或捕获所述鼓膜的视频。14.根据权利要求13所述的方法,其中所述图像捕获设备包括高分辨率耳镜。15.一种用于对图像中的鼓膜病理进行分类的系统,包括:图像捕获设备,其中所述图像捕获设备捕获鼓膜的一个或多个图像;存储器,其中存储所述捕获的一个或多个图像;和处理器,所述处理器与所述存储器通信,其中所述处理器执行存储在所述存储器中的计算机能够读的指令,所述指令使所述处理器;对所述捕获的一个或多个图像执行预处理;以及使用所述捕获的一个或多个图像对所述鼓膜的病理进行分类。16.根据权利要求15所述的系统,其中所述处理器执行计算机能够读的指令,以通过从所述一个或多个图像中提取计算机视觉特征(CVF)来对所述鼓膜的病理进行分类;从所述一个或多个图像中提取具有临床意义的耳膜特征(CMEF);以及使用所述CVF和CMEF信息对所述鼓膜的所述病理进行分类,所述信息通过双层堆叠泛化算法融合,所述算法侧重于互补特征而非强特征。17.根据权利要求16所述的系统,其中所述预处理步骤包括以下中的一者或多者:减少基于传感器的问题,选择所述一个或多个图像中的感兴趣区域,以及检测光反射和创建减少这些眩光效果的所述一个或多个图像的副本。18.根据权利要求16或17中任一项所述的系统,其中从所述一个或多个图像中提取所述CVF包括使用视觉MPEG-7描述符、梯度直方图和网格颜色矩特征中的一个或多个从所述一个或多个图像中提取颜色、纹理和形状信息。19.根据权利要求16至18中任一项所述的系统,其中所述CMEF从所述一个或多个图像中识别异常和正常的所述一些线索。20.根据权利要求16至19中任一项所述的系统,其中CMEF包...
【专利技术属性】
技术研发人员:C·塞那拉司,A·C·莫伯利,T·特克诺斯,G·F·小艾西格,C·A·艾尔玛拉基,N·F·塔吉沙尔,于连波,M·N·库尔坎,
申请(专利权)人:俄亥俄州创新基金会,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。