System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像数据处理或产生,具体涉及基于眼底血管几何参数预测糖尿病肾病的方法和系统。
技术介绍
1、糖尿病已经成为全球的严重慢性病负担。糖尿病肾病dn、糖尿病视网膜病变dr都是2型糖尿病最常见的并发症,dn是全球终末期肾脏疾病的主要原因。目前临床常通过尿蛋白、dr等来鉴别dn,但这些因素并不能准确判断。肾穿刺活检能够较准确地识别,但肾穿刺活检为有创操作,有一定的风险和禁忌症。患者的接受程度有限,因此未能在临床工作中普及。
2、视网膜血管是全身唯一可以直接观察并测量的血管,是全身微循环的一部分,通过视网膜可简单、快速、无创地观察微循环变化。因此,研究眼底血管特征与糖尿病肾病之间的关联,并基于眼底血管的视网膜血管特征预测糖尿病肾病成为一个重要的开发方向。
技术实现思路
1、针对现有技术中存在的上述技术问题,本专利技术提供基于眼底血管几何参数预测糖尿病肾病的方法和系统,基于逻辑回归模型对眼底血管几何参数进行分析,预测糖尿病肾病。
2、本专利技术公开了基于眼底血管几何参数预测糖尿病肾病的方法,包括以下步骤:获得数据集,所述数据集包括临床数据和视网膜血管成像数据,所述视网膜血管成像数据包括以下任一眼底血管几何参数或它们的组合:血管直径、血管分形维数、血管弯曲度和血管分支角度;从所述临床数据和眼底血管几何参数中,筛选建模指标,并建议训练集;基于逻辑回归的方法,对所述训练集进行训练,获得预测模型;通过预测模型对待测数据进行分析,预测为糖尿病肾病或非糖尿病肾病。
>3、优选的,所述预测模型表示为:
4、;
5、其中,d为常数,pdn表示为预测为糖尿病肾病的概率,dm表示为糖尿病病程,dr表示为糖尿病视网膜病变的量化值,fdv表示为静脉血管分形维数,ldl表示为低密度脂蛋白,sbp表示为收缩压;
6、若pdn大于或等于第二阈值,预测为糖尿病肾病;
7、若pdn小于第二阈值,预测为非糖尿病肾病。
8、优选的,血管分形维数的计算方法包括:
9、步骤341:获得眼底图像的血管分割图像;
10、步骤342:分别使用五种尺寸的矩形框对血管分割图像进行切分,获得五组切分图,其中,所述矩形框的尺寸分别为:4*4、8*8、16*16、32*32、64*64,以4、8、16、32、64为第一向量;
11、步骤343:计算每组切分图中有血管的切分图数量,获得五组数量,设置为第二向量;
12、步骤344:以第一向量的对数为横坐标、第二向量的对数为纵坐标进行直线方程拟合,获得拟合直线方程及其参数值;
13、步骤345:根据所述参数值,建立血管分形维数。
14、优选的,识别动静脉的方法:
15、对第四血管图像进行增强,获得第五血管图像;
16、获得第四血管图像的平均灰度,以及第五血管图像的最大灰度、中值灰度、平均灰度、最小灰度、色调通道像素的最大值、饱和度通道像素的最大值、亮度通道像素的最大值、色调通道像素的中值、饱和度通道像素的中值、亮度通道像素的中值,并构建第三训练集;
17、基于机器学习的方法,对所述第三训练集进行训练,获得第三分类模型;
18、基于第三分类模型,识别动脉和静脉;
19、根据血管分形维数的计算方法对动脉或静脉进行计算,获得动脉血管分形维数和静脉分形维数;
20、根据动脉血管分形维数和静脉分形维数的均值,计算血管总分形维数。
21、优选的,获得血管直径的方法包括:
22、步骤301:提取待识别区域的绿色通道;
23、步骤302:对所述绿色通道进行图像增强,获得增强图像;
24、步骤303:通过自适应阈值处理的方法,提取图像绿色通道或其增强图像的边缘;
25、步骤304:对所述边缘的内部进行填充,获得第一血管图像;
26、步骤311:根据所述第一血管图像,获得1°为步长旋转图像,切分出12点钟方向的正方形区域;
27、步骤312:对所述正方形区域进行旋转,获得正方形区域的纵向灰度值叠加数值的分布曲线;
28、步骤313:根据所述分布曲线,判断所述第一血管图像是否具有血管;
29、步骤314:若所述第一血管图像具有血管,对正方形区域的血管竖直程度进行评分,获得竖直分;
30、步骤316:通过最大化所述竖直分,获得竖直旋转角及相应的竖直正方形区域;
31、步骤317:从所述竖直正方形区域中,选出血管定位框;
32、步骤318:根据所述血管定位框获得血管分割图像;
33、步骤319:基于边缘检测的方法,获得血管分割图像的边缘检测点及其坐标数组;
34、步骤320:计算所述坐标数组中相邻两点间的距离,获得距离数组;
35、步骤321:根据距离数组,对坐标数组元素进行聚类分组,获得两组边缘检测点;
36、步骤322:对分组后的两组边缘检测点进行曲线拟合,获得两条边缘曲线;
37、步骤323:计算两条边缘曲线间的距离,获得血管直径。
38、优选的,血管弯曲度的计算方法包括:
39、对血管分割图像进行灰度化和二值化处理,获得多个血管轮廓;
40、计算所述血管轮廓的面积,并对所述面积从大到小排序,取前a个血管轮廓,并将相应区域的像素赋值为背景像素;
41、获得其余血管轮廓的连通域,及其最小外接矩形;
42、根据所述最小外接矩形的顶点坐标进行透视变换操作,得到单根血管的图像;
43、对所述血管的图像进行轮廓识别,并根据识别结果拟合曲线方程;
44、根据所述曲线方程,计算曲线弧长与弦长;
45、根据所述弧长和弦长的比值,计算血管弯曲度。
46、优选的,血管弯曲密度的计算方法包括:
47、计算所述曲线方程二阶导数等于零的n个点的坐标;
48、利用所述n个点,将曲线分成n+1条子曲线,并按照以下公式计算弯曲密度:
49、;
50、其中,td表示为弯曲密度,n表示为曲线方程二阶导数等于零的点的数量,lc表示为曲线弧长,lcsi表示为子曲线弧长,lxsi表示为子曲线弦长。
51、优选的,血管分支角的计算方法包括:
52、获得待识别区域的血管分割图像;
53、根据所述血管分割图像的连通域,分割出第二血管图像;
54、根据连通域的中心线,对第二血管图像进行旋转,将血管摆正;
55、从所述第二血管图像中筛选出具有至少一个分支的第三血管图像;
56、计算所述第三血管图像的血管直径,并计算分支点坐标;
57、利用基于密度的聚类算法,获得分支点左右两侧像素点的第一点集,所述第一点集包括左侧子集和右侧子集;
...【技术保护点】
1.基于眼底血管几何参数预测糖尿病肾病的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求2所述的方法,其特征在于,血管分形维数的计算方法包括:
4.根据权利要求3所述的方法,其特征在于,识别动静脉的方法:
5.根据权利要求1所述的方法,其特征在于,获得血管直径的方法包括:
6.根据权利要求1所述的方法,其特征在于,血管弯曲度的计算方法包括:
7.根据权利要求1所述的方法,其特征在于,血管弯曲密度的计算方法包括:
8.根据权利要求1所述的方法,其特征在于,血管分支角的计算方法包括:
9.根据权利要求1所述的方法,其特征在于,还包括眼底图像划分区域的方法,所述眼底图像包括视盘以及依次设置在视盘外侧的A区、B区和C区;
10.一种预测糖尿病肾病的系统,其特征在于,用于实现如权利要求1-9任一项所述的方法,所述系统包括采集模块和预测模块,
【技术特征摘要】
1.基于眼底血管几何参数预测糖尿病肾病的方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求2所述的方法,其特征在于,血管分形维数的计算方法包括:
4.根据权利要求3所述的方法,其特征在于,识别动静脉的方法:
5.根据权利要求1所述的方法,其特征在于,获得血管直径的方法包括:
6.根据权利要求1所述的方法,其特征在于,血管弯曲度的计算方法包括:...
【专利技术属性】
技术研发人员:陈小鸟,王倩,董哲毅,潘赛,王丽强,刘芳,李朝辉,陈香美,蔡广研,
申请(专利权)人:中国人民解放军总医院第一医学中心,
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。