本发明专利技术公开了一种基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，其包括：(1)利用OCTA设备对受试者视网膜血管进行成像，获取OCTA图像；(2)对每张OCTA图像进行归一化处理，图像各点值归一至区间[0,1]；(3)通过降噪处理对OCTA图像进行降噪；(4)提取OCTA图像的纹理特性参数；(5)通过步骤四得出已知样本的特性参数，然后通过数理统计方法，获取对照组中各特性参数的差异性及ROC分析，得出边界值；(6)通过步骤四得出未知样本的的特性参数，并与步骤五中的边界值进行比较，然后根据比较的结果，将未知样本进行分类。本发明专利技术可以快速准确的判断出糖尿病人的视网膜病变情况，通过非侵入方法，不会给患者带来的不适和创伤。不会给患者带来的不适和创伤。不会给患者带来的不适和创伤。
【技术实现步骤摘要】
基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法
[0001]本专利技术涉及一种基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，属于生物医学工程领域。
技术介绍
[0002]糖尿病性视网膜病(DR)是糖尿病的常见微血管并发症，是患者视力丧失的主要原因。自1991年MIT专利技术了光学相干断层扫描(OCT)以来，OCT被广泛用于诊断眼部疾病，包括早期DR诊断。但是，OCT图像无法显示眼睛的微血管形态。作为一种基于OCT的新技术，光学相干断层扫描血管造影(OCTA)可以对视网膜和脉络膜的微脉管系统进行成像。OCTA的原理是检测运动中的红细胞的激光反射率，以对血流进行成像，以描绘通过眼睛不同区域的血管。与传统的金标准方法-荧光素血管造影术相比，OCTA是一种非侵入性的快速成像方式。
[0003]OCTA可以捕获血管图像的特征，从OCTA图像中提取与血管相关的特征。与血管相关的特征包括血管密度，血管密度，血管曲折度，分形维数，中央凹无血管区域(FAZ)可用于检测DR。然而，根据文献，这些参数对于早期诊断DR的能力各不相同。
[0004]在DR的研究中，从OCT图像中提取的纹理特征在DR的诊断中起着重要的作用。但是，很少有OCTA研究在DR的早期检测中利用纹理特征。仅将分形维数视为与血管相关的特征受到了关注。然而，分形维数可以被认为是一种纹理特征。除分形维数外，还需要确定用OCTA识别DR的纹理特征的能力。此外，在DR研究中，还没有研究可以比较OCT和OCTA图像上的纹理特征的功能。
[0005]因此，本申请是针对OCTA图像，采用纹理分析方法，获取OCTA图像中的纹理特征变量，在此基础上找寻能够用于DR早期检测的特征变量。
技术实现思路
[0006]本专利技术的目的在于提供一种基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，采用纹理分析方法，对糖尿病人的视网膜病变情况进行分类。
[0007]本专利技术采取的技术方案是：一种基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，其包括以下步骤：
[0008]步骤一：利用OCTA设备对受试者视网膜血管进行成像，获取OCTA图像；
[0009]步骤二：对每张OCTA图像进行归一化处理，图像各点值归一至区间[0,1]；
[0010]步骤三，通过降噪处理对OCTA图像进行降噪；
[0011]步骤四，提取OCTA图像的纹理特性参数；
[0012]步骤五，通过步骤四得出已知样本的特性参数，然后通过数理统计方法，获取对照组中各特性参数的差异性及ROC分析，得出边界值；
[0013]步骤六，通过步骤四得出未知样本的的特性参数，并与步骤五中的边界值进行比较，然后根据比较的结果，将未知样本进行分类。
[0014]进一步的，所述OCTA图像包括6层结构，6层结构分别是神经纤维层血管层、视网膜
浅层血管层、中间毛细血管层、深层毛细血管层、浅层血管复合层和深层血管复合层。
[0015]进一步的，所述纹理特性参数包括分形维数、对比度、相关性、熵、能量和同质性。
[0016]更进一步的，所述分形维数采用差分盒子计数法来计算，分形维数计算公式如下：
[0017][0018]式中：l代表差分盒子计数法里面的盒子尺寸，N
l
代表盒子的个数。
[0019]更进一步的，所述对比度的计算公式如下：
[0020][0021]式中：L是灰度级别，i,j是图像像素的灰度值，d为距离，s
θ
(i,j|d)代表着一个灰度值为i的像素点在θ方向上与灰度值为j的像素点距离为d的概率。
[0022]更进一步的，所述相关性的计算公式如下：
[0023][0024]式中：L是灰度级别，i,j是图像像素的灰度值，μ
x
,μ
y
和σ
x
,σ
y
分别表s
θ
(i,j|d)在行和列方向上平均值和标准方差，s
θ
(i,j|d)代表着一个灰度值为i的像素点在θ方向上与灰度值为j的像素点距离为d的概率。
[0025]更进一步的，所述熵的计算公式如下：
[0026][0027]式中：L是灰度级别，i,j是图像像素的灰度值，s
θ
(i,j|d)代表着一个灰度值为i的像素点在θ方向上与灰度值为j的像素点距离为d的概率。
[0028]更进一步的，所述能量的计算公式如下：
[0029][0030]式中：L是灰度级别，i,j是图像像素的灰度值，s
θ
(i,j|d)代表着一个灰度值为i的像素点在θ方向上与灰度值为j的像素点距离为d的概率。
[0031]更进一步的，所述同质性的计算公式如下：
[0032][0033]式中：L是灰度级别，i,j是图像像素的灰度值，s
θ
(i,j|d)代表着一个灰度值为i的像素点在θ方向上与灰度值为j的像素点距离为d的概率。
[0034]进一步的，所述步骤五中，采用Student
’
st-test统计方法和AUROC分析，得出用于DR早期诊断的关键指标；其中，当采用Student
’
st-test比较不同组相同变量的差异性时，如果p值小于0.05，则认为这两组在这个变量上具有显著性差异；然后在Student
’
s t-test
分析结果基础上，对有显著性差异的变量进行AUROC，如果AUROC的值大于0.5，说明该变量具有能够区分两个比较组的能力。
[0035]本专利技术的有益效果是：本方法先通过对已知标本(正常或已确诊病人)进行数理统计分析，得出参考边界值，然后再对未知样本(待检查病人)进行检测，得出未知样本的纹理特性参数，再然后将未知样本的纹理特性参数与参考边界值进行比较，便可得知未知样本是属于正常(Normal)，有糖尿病但无糖尿病视网膜病变(NDR)，具有轻微非增值性糖尿病视网膜病变(mild NPDR)，以及具有中度非增值性糖尿病视网膜病变(moderate NPDR)中的哪一类。
[0036]本专利技术可以快速准确的判断出糖尿病人的视网膜病变情况，通过非侵入方法，不会给患者带来的不适和创伤。
[0037]本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0038]图1是本专利技术的流程图。
具体实施方式
[0039]下面结合附图和具体实施例对本专利技术进行详细说明。
[0040]如图1，一种基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，方法如下：
[0041](1)采用OCTA设备对受试者视网膜血管进行成像，每只研究获取6层结构的OCTA图像。这六层结构分别是NFLVP(nerve fiber layer vascular plexus，神经纤本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，其特征在于包括以下步骤：步骤一：利用OCTA设备对受试者视网膜血管进行成像，获取OCTA图像；步骤二：对每张OCTA图像进行归一化处理，图像各点值归一至区间[0,1]；步骤三，通过降噪处理对OCTA图像进行降噪；步骤四，提取OCTA图像的纹理特性参数；步骤五，通过步骤四得出已知样本的特性参数，然后通过数理统计方法，获取对照组中各特性参数的差异性及ROC分析，得出边界值；步骤六，通过步骤四得出未知样本的的特性参数，并与步骤五中的边界值进行比较，然后根据比较的结果，将未知样本进行分类。2.根据权利要求1所述的基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，其特征在于，所述OCTA图像包括6层结构，6层结构分别是神经纤维层血管层、视网膜浅层血管层、中间毛细血管层、深层毛细血管层、浅层血管复合层和深层血管复合层。3.根据权利要求1所述的基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，其特征在于，所述纹理特性参数包括分形维数、对比度、相关性、熵、能量和同质性。4.根据权利要求3所述的基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，其特征在于，所述分形维数采用差分盒子计数法来计算，分形维数计算公式如下：式中：l代表差分盒子计数法里面的盒子尺寸，N
l
代表盒子的个数。5.根据权利要求3所述的基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，其特征在于，所述对比度的计算公式如下：式中：L是灰度级别，i,j是图像像素的灰度值，d为距离，s
θ
(i,j|d)代表着一个灰度值为i的像素点在θ方向上与灰度值为j的像素点距离为d的概率。6.根据权利要求3所述的基于OCTA图像纹理分析的糖尿病视网膜病变早期检测方法，其特征在于，所述相关性的计算公式如下：式中：L是灰度级别，i,j是图像像素的灰度值，μ
x
,μ
y
和σ
【专利技术属性】
技术研发人员：高巍，
申请(专利权)人：宁波工程学院，
类型：发明
国别省市：
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。