视神经盘特征提取方法、装置及应用制造方法及图纸

本方案提供了一种视神经盘特征提取方法、装置及应用，该方案将分割出来的视神经盘区域经过多个颜色空间的变换后得到29个颜色通道，并从29个颜色通道中选择对应的特征作为预选特征，最后选择相关度高的特征作为视神经盘特征，利用此类视神经盘特征可很好的分类不同的视神经盘，进而使得其在图像分类的应用场景中有很大的有益效果。有很大的有益效果。有很大的有益效果。

【技术实现步骤摘要】
视神经盘特征提取方法、装置及应用


[0001]本申请涉及特征提取领域，特别是涉及一种视神经盘特征提取方法、装置及应用。

技术介绍

[0002]视神经盘又称之为视神经乳头，其是视神经在球内可见的部分，为视网膜神经纤维的汇集处。视神经盘可能会因为各种病理原因而导致炎症病变，常见于全身性急或慢性病，如脑膜炎、流行性感冒、麻疹、伤寒、腮腺炎、结核、糖尿病和梅毒等，也可继发于眼、眶和鼻窦的炎性病灶。发病时视力急骤减退，短期内可失明。
[0003]在诸多视神经病变中，糖尿病视神经病变是糖尿病比较常见的慢性并发症之一，其对视力的损害在早期及时治疗后可以得到改善或控制，如果不能及时治疗，患眼的视神经一旦发生不可逆性的萎缩，则视功能将会明显损害。传统的诊疗方式是通过医学影像设备获取患者的视神经盘影像后，由专业的医生凭借其主观经验来定位视神经病变，然而这种方式的准确度高度依赖于医生的专业水平，且视神经盘处的视网膜神经纤维分布比较密集，也对医生定义视神经盘病变位置造成了很大的困扰。
[0004]近年来有相关的研究是将图像分类技术应用于视神经旁病变的诊断上，比如哈尔滨理工大学于2019年申请的专利CN110889846A中提到了基于FCM对糖尿病视网膜图像视盘进行分割，其方案是通过引入了模糊C均值算法对视神经盘进行分割，借助的原理是被划分到同一簇内的对象之间的相似度最大进而来对需要分割的区域进行归类，然而其仅是优化了最终对特征的归类手段，其侧重于提高分割整个视神经盘的效果，但是未涉及如何从中有效辨认糖尿病病变的特征，考虑到视神经盘内本身的视纤维神经是错综复杂的，故其内的细微特征的辨认难度较大，即使很好地将视神经盘分割出来也并不一定能很好的获取病变相关的细微特征，导致目前的视神经盘分割方法在实际的病变分类场景中应用效果不佳。

技术实现思路

[0005]本申请实施例提供了一种视神经盘特征提取方法、装置及应用，通过对分割出来的视神经盘进行多个颜色空间的转换，并从多个颜色空间中得到有用的细微特征，以获取高质量的视神经盘特征以用于后续的病变分类需求中。
[0006]第一方面，本申请实施例提供了一种视神经盘特征提取方法，其包括以下步骤：获取包括视神经盘区域的视网膜图像；将所述视网膜图像输入到区域分类模型中分割得到视神经盘区域图像；对所述视神经盘区域进行9种颜色空间的转换得到对应的转换图像，其中颜色空间包括RGB颜色空间、YC
b
C
r
颜色空间、XYZ颜色空间、HSV颜色空间、YIQ颜色空间、CMYK颜色空间、YUV颜色空间、LIN颜色空间、L
*
a
*
b
*
颜色空间；从9种转换图像中选择29个颜色通道，并从每一颜色通道提取出灰度共生矩阵特征、统计矩阵和直方图特征作为预选特征；
利用特征选择方法从所述预选特征中选择视神经盘特征。
[0007]第二方面，本申请实施例提供了一种视神经盘分类方法，包括以下步骤：获取包含视神经盘的视网膜图像；将视网膜图像输入到经过所述的视神经盘特征提取方法提取的特征训练得到分类模型中得到分类结果。
[0008]第三方面， 本申请实施例提供了一种视神经盘特征提取装置，包括：视网膜图像获取单元，用于获取包括视神经盘区域的视网膜图像；分割单元，用于将所述视网膜图像输入到区域分类模型中分割得到视神经盘区域图像；颜色空间转换单元，用于对所述视神经盘区域进行9种颜色空间的转换得到对应的转换图像，其中颜色空间包括RGB颜色空间、YC
b
C
r
颜色空间、XYZ颜色空间、HSV颜色空间、YIQ颜色空间、CMYK颜色空间、YUV颜色空间、LIN颜色空间、L
*
a
*
b
*
颜色空间；特征提取单元，用于从9种转换图像中选择29个颜色通道，并从每一颜色通道提取出灰度共生矩阵特征、统计矩阵和直方图特征作为预选特征；特征选择单元，用于利用特征选择方法从所述预选特征中选择视神经盘特征。
[0009]本专利技术的主要贡献和创新点如下：本申请实施例提供的视神经盘特征提取方法将分割出来的视神经盘区域经过多个颜色空间的变换后得到29个颜色通道，并从29个颜色通道中选择对应的特征作为预选特征，最后选择相关度高的特征作为视神经盘特征，利用此类视神经盘特征可很好的分类不同的视神经盘，进而使得其在图像分类的应用场景中有很大的有益效果。
[0010]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0011]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例的视神经盘特征提取方法的流程图；图2是根据本申请一种实施例的分割视神经盘的示意图；图3是根据本申请一种实施例的分割视神经盘的轮廓边缘平滑的示意图；图4是根据本申请实施例的库装置的结构框图；图5是根据本申请实施例的电子装置的硬件结构示意图。
具体实施方式
[0012]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书一个或多个实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
[0013]需要说明的是：在其他实施例中并不一定按照本说明书示出和描述的顺序来执行
相应方法的步骤。在一些其他实施例中，其方法所包括的步骤可以比本说明书所描述的更多或更少。此外，本说明书中所描述的单个步骤，在其他实施例中可能被分解为多个步骤进行描述；而本说明书中所描述的多个步骤，在其他实施例中也可能被合并为单个步骤进行描述。
[0014]实施例一本方案提供了一种视神经盘特征提取方法，该方法将分割出来的视神经盘进行多种颜色空间的转换，并从多个不同颜色空间的视神经盘中选择多个颜色通道提取有用的视神经盘特征，提高了视神经盘特征用于后续病变分类的准确度。
[0015]具体的，如图1所示，本方案提供了一种视神经盘特征提取方法包括以下步骤：获取包括视神经盘区域的视网膜图像；将所述视网膜图像输入到区域分类模型中分割得到视神经盘区域图像；对所述视神经盘区域进行9种颜色空间的转换得到对应的转换图像，其中颜色空间包括RGB颜色空间、YC
b
C
r
颜色空间、XYZ颜色空间、HSV颜色空间、YIQ颜色空间、CMYK颜色空间、YUV颜色空间、LIN颜色空间、L
*
a
*
b
*
颜色空间；从9种转换图像中选择29个颜色通道，并从每一颜色通道提取出灰度共生矩阵特征、统计矩阵和直方图特征作为预选特征；利用特征选择方法从所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视神经盘特征提取方法，其特征在于，包括以下步骤：获取包括视神经盘区域的视网膜图像；将所述视网膜图像输入到区域分类模型中分割得到视神经盘区域图像；对所述视神经盘区域进行9种颜色空间的转换得到对应的转换图像，其中颜色空间包括RGB颜色空间、YC
b
C
r
颜色空间、XYZ颜色空间、HSV颜色空间、YIQ颜色空间、CMYK颜色空间、YUV颜色空间、LIN颜色空间、L
*
a
*
b
*
颜色空间；从9种转换图像中选择29个颜色通道，并从每一颜色通道提取出灰度共生矩阵特征、统计矩阵和直方图特征作为预选特征；利用特征选择方法从所述预选特征中选择视神经盘特征。2.根据权利要求1所述的视神经盘特征提取方法，其特征在于，视网膜图像的红色通道和绿色通道上通过不同尺度的处理后得到多维特征图。3.根据权利要求1所述的视神经盘特征提取方法，其特征在于，将所述视网膜图像输入到区域分类模型中分割得到分割结果，对所述分割结果的边缘进行自适应平滑优化处理后得到视神经盘区域图像。4.根据权利要求1所述的视神经盘特征提取方法，其特征在于，利用灰度空间相关性矩阵提取每个颜色通道的二阶统计纹理特征，从中提取22个纹理特征，包括能量、熵、相异度、对比度、逆差、相关性、同质性、自相关、集群阴影、集群突出、最大概率、和平方、和平均、和方差、和熵、差方差、差熵、IMC1、IMC2、最大相关系数、归一化逆差和归一化逆差矩。5.根据权利要求1所述的视神经盘特征提取方法，其特征在于，对于每一颜色通道，从视神经盘区域提取11个共同的统计特征，包括均值、中值、众数、均方根、最小强度、最大 强度、标准差、协方差、方差、相关系数和熵。6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：张旷，杨啸天，傅亦婷，许振影，周华健，赵宇飞，方震宇，
申请(专利权)人：浙江一山智慧医疗研究有限公司，
类型：发明
国别省市：