基于青光眼OCT影像的眼前房角闭合程度评估研究.docxVIP

基于青光眼 OCT影像的眼前房角闭合程度评估研究 依据眼前房角光学相干断层扫描技术 (OCT)进行房角自动评估 , 是青光眼早 期诊断和治疗的关键手段。 但目前临床上医生更多的还是从眼前房角的具体结构 参数测量出发 , 不仅测量任务繁重 , 而且评价主观性强。 本文尝试利用图像特征对眼前房角 OCT成像进行描述 , 进而利用分类器对眼 前房角闭合程度进行评估。本文首先利用特征边缘提取眼前房角感兴趣区域 , 对 图像的重点房角隐窝区域进行划分。 其次利用梯度方向直方图 (HOG)、共生梯度方向直方图 (COHOG)等特征分别描 述感兴趣区域 , 并且通过支持向量机 (SVM)进行房角评估。最后 , 从点、线、面三 个层次分别考虑合适的特征描述算法 , 综合利用多个特征全面描述房角隐窝区域 , 并且以 Shaffer 评级方法为依据 , 对房角状态进行多级分类。 本文主要工作和研究成果如下： (1) 提出了一种基于特征边缘的感兴趣区域 自动提取方法。首先 , 考虑到各类型图像噪声及失真情况后 , 提出了一种多层级的 图像分割算法 , 为感兴趣区域的精确定位提供了前提。 然后 , 采取基于像素灰度方向连续性的边缘检测算法 , 简单快速定位虹膜、角 膜边缘。最后 , 通过对边缘进行线性拟合 , 确定拟合直线相交点 , 根据相交点定位 感兴趣区域。 提出了一种基于感兴趣区域及 HOG特征的眼前房角分类方法。利用图像分割结合基于灰度方向连续性的边缘检测算法找出基准点 , 定位出感兴趣区域。 通过提取 HOG特征 , 结合支持向量机进行分类器训练与图像最终分类。实验结果表明 , 第一 , 本文感兴趣区域自动提取方法定位快速、准确 , 为特征提取、样 本分类提供了保障：第二 ,HOG特征与支持向量机的结合较好的区分出闭合、开 放状态 , 分类效果较佳且稳定。 提出了一种基于 COHOG改进方法的眼前房角 OCT图像分类方法。利用一对像素点之间空间位置信息的同时 , 采用一种余弦定理方式计算加权值 , 增加梯度幅值信息的利用 , 重新统计 COHOG特征。 然后对高维的 COHOG特征采用 PCA方法降维。最后仍然结合 SVM方法实现眼前房角闭合状态的两级分类。 实验结果证明 , 利用本文方法两级分类正确率达到了 84.7%, 增强分类效果显著。 (4) 提出了一种基于多特征的青光眼图像多级评估方法。 从点、线、面三个层面全面描述感兴趣区域 , 通过融合特征描述提升各类别图像的区分信息 , 为增强多分类效果提供可靠性。 同时 , 本文采用了二叉树的多分类模型 , 在两分类的基础上 , 依据 shaffer 评级标准进行五级分类 , 实验结果表明 , 在高质量图片中利用本文方法进行五级分类 , 各类样本分类结果均高于 70%,验 证了青光眼图片的计算机多级分类的可行性。