本发明专利技术公开了眼裂隙灯图的信息提取及白内障眼疾的诊断辅助系统，包括数据库、病人信息及图像显示模块、图像信息处理模块，数据库与病人信息及图像显示模块相联，病人信息及图像显示模块与图像信息处理模块相联，图像信息处理模块与数据库相联；数据库内存储病人信息、原始和处理后的图像，数据库将所存信息输入病人信息及图像显示模块，病人信息及图像显示模块又将信息传输至图像信息处理模块，图像信息处理模块对信息进行处理，并用统计模型计算白内障眼疾程度值，图像信息处理模块将处理后的信息发送至数据库。本发明专利技术从眼裂隙灯图自动提取特征信息，并进一步利用这些信息断辅白内障眼疾的诊断。
【技术实现步骤摘要】
本专利技术属于医疗设备
，涉及医学影像学、图像处理算法等，具体是一种白内障眼疾的诊断辅助统计及医学图像处理系统。
技术介绍
医学影像学在医学诊断领域是一门新兴学科，目前其在临床的应用上非常广泛，为疾病的诊断提供了较大的科学和直观的依据，可以更好地配合临床的症状、化验等，为最终准确地诊断病情起到不可替代的作用。同时也较好地应用于治疗方面，比如:CT、X光、B超、眼裂隙灯图等医学图像，由于医学图像能够直观地反映病人的病情，从而大大提高了医生诊断的正确率。更进一步地，从图像上的信息提取和定量分析可以使诊断更科学，与医生的临床经验相结合，使得医生可以对病人的病情做出更为准确的诊断。医生通过眼裂隙灯图诊断白内障眼疾时，通常要依赖于图中沿着中轴线的一些特征点上的亮度来决定白内障眼疾的程度。这会面临两个问题:一、从眼裂隙灯图上准确地找出这条中轴线及这些特征点至关重要。而在眼裂隙灯图上有一个形似“钥匙孔”的区域，对利用图像处理过程定位中轴线和特征点带来很大的困难。二、医生对眼裂隙灯图的人工解译很费时，也容易出现同一个医生在不同的时间对白内障眼疾程度诊断结果不一致的情况，或者不同医生对白内障眼疾程度诊断结果不一致的情况。
技术实现思路
为解决现有技术存在的上述问题，本专利技术公开了一种眼裂隙灯图的信息提取及白内障眼疾的诊断辅助系统，该系统涉及了鲁棒的图像处理法，从眼裂隙灯图自动提取特征信息，并进一步利用这些信息断辅白内障眼疾的诊断。用模特卡罗随机抽样一致性算法(RANSAC)定位眼裂隙灯图的中轴线，提取图中重要特征点的亮度，并进一步通过统计中变量选择的方法来筛选出最重要的几个变量因子，来拟合出白内障眼疾程度模型。对所有测试的图像，此算法都能正确地找到中线轴或分辨出有成像错误的图。与现有医生专家的诊断结果相比，本专利技术对白内障眼疾程度的判断的准确率更高，其能达到95.8%。本专利技术采取以下技术方案:眼裂隙灯图的信息提取及白内障眼疾的诊断辅助系统，包括数据库、病人信息及图像显示模块、图像信息处理模块，数据库与病人信息及图像显示模块相联，病人信息及图像显示模块与图像信息处理模块相联，图像信息处理模块与数据库相联；数据库内存储病人信息、原始和处理后的图像，数据库将所存信息输入病人信息及图像显示模块，病人信息及图像显示模块又将信息传输至图像信息处理模块，图像信息处理模块对信息进行处理，并用统计模型计算白内障眼疾程度值，图像信息处理模块将处理后的信息发送至数据库。优选的，图像信息处理模块对信息依次进行如下处理:一、读入眼裂隙灯图；二、提取图像边界；三、用蒙特卡罗和随机抽样一致算法定位眼裂隙灯图的中轴线；四、用统计模型辅助拟合出白内障眼疾程度。优选的，图像信息处理模块提取图像边界采用Canny边界提取法，找出前皮层和角膜弓的边界。优选的，图像信息处理模块采用蒙特卡罗和随机抽样一致算法定位眼裂隙灯图的中轴线:A.用蒙特卡罗抽样确定圆心a)利用分层抽样在边界线上随机地选五个点，这五个点能形成20个点对，并找出5条最长的弦；b)画出a)步中每一条弦的垂线；c)得到上一步5条垂线的交点10个；d)求上一步10个交点的平均得到圆心；B.用随机抽样一致算法定位中轴线a)确定角膜弓的圆心I)采用在步骤A所述的蒙特卡罗抽样确定圆心方法，重复1000次，每次得到一圆心，平均这1000个圆心得到一个圆心，记为Cl ；2)再次采用步骤A所述的蒙特卡罗抽样确定圆心方法，重复1000次，并保留离Cl较近的圆心，平均被保留的圆心得到另一个圆心，记为C2;b)确定前皮层的圆心与定位角膜弓的圆心一样，也分两步来找前皮层的圆心，不同的是在第2)步1000次的每一次循环中，得到平均后的圆心，将这个圆心与点C2连起来得到一条线，计算这条线与水平线的夹角；c)通过随机抽样一致算法来“投票”中轴线的角度对其定位上述得到1000条经过C2点的线，对每一条线计算其与平行线的交角，计算这1000个交角的直方图，选择频数最高的交角的那条线作为最终的中轴线。优选的，图像信息处理模块用统计模型辅助拟合出白内障眼疾程度:采用AREDS老化眼疾评分体系，其中总共6个等级，值I表明没有白内障，值6表明最严重的白内障；找到中轴线后，沿着这条线提取了 7个特征点并得到它们的亮度值，分别是角膜弓即cornealbow、前皮层即anter1r cortex、前扁豆体即anter1r lentil、沟谷即sulcus、后扁豆体即poster1r lentil、后薄层即poster1r lamella、后皮层即post cortex，在模型中加数个复合因子，总共定义10个变量，再用63张眼裂隙灯图作为“训练”数据集，通过统计中变量选择的方法来筛选最重要的数个变量因子，并拟合出白内障眼疾程度模型:白内障眼疾程度值=0.03077*sulcus 的亮度 +1.40517*anter1r lentil 和 poster1r lentil 之间的亮度比-0.4654。医生通过眼裂隙灯图来诊断白内障时，通常要依赖于图中沿着中轴线的特征点亮度来决定白内障的严重程度。因此，从眼裂隙灯图上准确地找出这条中轴线和这些特征点至关重要。本专利技术利用随机抽样和统计“投票”的方法来去除图上噪声的影响，更好地定位这条中轴线。另外，对眼裂隙灯图的人工解译比较费时费力，也容易出现同一个医生在不同的时间对白内障眼疾程度诊断结果不一致的情况，或者不同医生对白内障眼疾程度诊断结果不一致的情况。因此，在精确地定位中轴线和提取了这些特征点上的亮度以后，本专利技术进一步通过统计给出一个定量公式，有效地提高了医生对白内障眼疾诊断的精确率，速度更快且更加客观。【附图说明】图1是用蒙特卡罗方法确定圆心。图2是通过随机抽样一致性算法来“投票”定位中轴线。图3是准确定位了中轴线的眼裂隙灯图。图4是对应于图3的中轴线角度“投票”计数的直方图。图5是有成像错误而不能准确定位中轴线的眼裂隙灯图。图6是对应于图5的中轴线角度“投票”计数的直方图。图7是眼裂隙灯图中的特征标志点。图8是本专利技术系统模块框图。【具体实施方式】下面结合附图对本专利技术优选实施例作详细说明。参见图8，本实施例眼裂隙灯图的信息提取及白内障眼疾的诊断辅助系统包括数据库、病人信息及图像显示模块、图像信息处理及诊断模块，数据库与病人信息及图像显示模块相联，病人信息及图像显示模块与图像信息处理及诊断模块相联，图像信息处理及诊断模块与数据库相联；数据库内存储病人信息、原始和处理后的图像及诊断指标和结果等信息，其将信息输入病人信息及图像显示模块，病人信息及图像显示模块又将信息传输至图像信息处理及诊断模块，图像信息处理及诊断模块通过边界提取、用模特卡罗抽样确定圆心及用随机抽样一致性算法定位中轴线等得到中轴线上特征点的亮度，并用统计模型计算白内障眼疾程度值，医生据此得出最后诊断结论，图像信息处理及诊断模块将处理后的图像及医生的最后诊断结论发送至数据库。本实施例眼裂隙灯图的信息提取及白内障眼疾的诊断辅助系统的图像信息处理及诊断模块对图像信息的具体处理流程如下:1.读入眼裂隙灯图。2.提取图像的边界。用Canny边界提取法，找出前皮层和角膜弓的边界。前皮层和角膜弓的边界基本上能够用圆上的弧线来拟合。3.用本文档来自技高网...
【技术保护点】
眼裂隙灯图的信息提取及白内障眼疾的诊断辅助系统，其特征是包括数据库、病人信息及图像显示模块、图像信息处理模块，数据库与病人信息及图像显示模块相联，病人信息及图像显示模块与图像信息处理模块相联，图像信息处理模块与数据库相联；数据库内存储病人信息、原始和处理后的图像，数据库将所存信息输入病人信息及图像显示模块，病人信息及图像显示模块又将信息传输至图像信息处理模块，图像信息处理模块对信息进行处理，并用统计模型计算白内障眼疾程度值，图像信息处理模块将处理后的信息发送至数据库。
【技术特征摘要】
【专利技术属性】
技术研发人员：陈永刚，
申请(专利权)人：杭州睿笛生物科技有限公司，
类型：发明
国别省市：浙江;33
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。