[发明专利]一种基于Radon域特征表示的青光眼检测方法

说明书

本发明公开了一种基于Radon域特征表示的青光眼检测方法，包括如下步骤：步骤1：将彩色眼底图转换为灰度图像，并进行灰度图像预处理；步骤2：在n个投影角度下采用Radon变换将预处理后的灰度图像投影到Radon域得到一维离散信号；步骤3：对一维离散信号进行维度统一，并采用双正交小波分解一维离散信号来提取到近似系数和细节系数；步骤4：将每组一维离散信号的近似系数和细节系数组合成样本的特征输入分类检测模型得到青光眼检测结果；分类检测模型训练时的输入参数为青光眼眼底图像样本和正常眼底图像样本构成特征向量矩阵N以及特征向量矩阵N中每行的样本标签向量。本发明通过上述方法可以精确检测出是否为青光眼。

技术领域

本发明属于医学图像处理技术领域，具体涉及一种基于Radon域特征表示的青光眼检测方法。

背景技术

青光眼是全球最常见且不可逆的致盲性疾病之一，以眼压升高、视神经萎缩和视野缺损为主要特征，如不及时治疗，视野会慢慢丧失直至失明。目前青光眼尚无有效的治愈方案，只能通过医疗途径减缓其进程，达到保护视力的目的。但是由于青光眼的发生具有隐匿性和渐进性，特别是原发性开角型青光眼，一旦发现视力下降而就诊时，往往己是晚期，视野缺损严重，不可恢复，因此青光眼强调早期发现，及时治疗。

临床实践中，医生判断病人是否患有青光眼最常用的诊断方式是基于病人的彩色眼底图进行分析。但是依靠医生人工阅片的方式进行诊断，一方面费时费力、重复性高，加上个人经验的差异，不同医生对同一病人的诊断一致率不足80％；另一方面由于青光眼病情的复杂和个人差异，医生需要耗费大量的时间进行相关筛查，面对我国青光眼患者持续增长的情况，这将大大超出医生的负担，难免造成误诊和漏诊。

因此为了减轻医生的负担、实现大规模筛查，基于计算机辅助诊断的青光眼检测技术应运而生。青光眼的临床症状主要表现在四大方面：视神经乳头的变化，盘沿缺失，视神经纤维层缺失以及视盘旁萎缩。针对这些特征，研究学者相应提出了一系列方策略，如视盘视杯的杯盘比、盘沿缺失检测、视神经纤维层测量以及视盘结构分析等青光眼检测算法。

但是这类检测算法大都着眼于视盘、视杯、盘沿以及视盘内血管等信息的分析，通常流程为获取视神经乳头定位，视盘视杯分割，盘沿面积测量，ISNT参数指标等，最后跟正常指标比对给出诊断结果。这类方法一方面要求熟知青光眼的病理变化以便在提取差异特征时加入先验信息使学习模型更加具有鲁棒性；另一方面其检测结果严重依赖于眼底结构的分割精度，但是视盘分割容易受病变影响，视杯分割由于其模糊边界还没有很好的解决办法。

因此，基于现有的计算机辅助诊断的青光眼检测技术在提取差异特征时需加入先验信息以及严重依赖于眼底结构的分割精度进而导致检测可靠性降低的情况，提出了一种基于 Radon域特征表示的青光眼检测方法。

发明内容

本发明的目的是提供一种基于Radon域特征表示的青光眼检测方法，其通过不同投影角度下的Radon变换得到投影结果，再采用Biorthogonal小波对投影结果进行分析，提取近似系数和细节系数作为眼底图像的特征，并输入训练好的分类检测模型得到青光眼检测结果，其在提取特征时无需加入先验信息，可以直接从图像上获取，且同时不需要对视盘视杯进行分割，避免引入中间误差，从而有效解决了对分割算法的依赖问题，进而达到对青光眼进行有效检测的目的。

本发明提供一种基于Radon域特征表示的青光眼检测方法，包括如下步骤：

步骤1：将彩色眼底图转换为灰度图像，并进行灰度图像预处理；

步骤2：选取n个投影角度θ，在每个投影角度θ下采用Radon变换将预处理后的灰度图像投影到Radon域得到一维离散信号R(ρ)；

其中，每个投影角度θ对应一组一维离散信号R(ρ)，在每个投影角度θ下平移积分直线路径L，并依次按照Radon变换公式计算出投影点R(ρ,θ)得到一维离散信号R(ρ)；