【技术实现步骤摘要】
用于糖尿病性眼底图像分类的核主成分谱哈希方法
:本专利技术涉及到医疗图像分类检测,具体来说涉及一种用于糖尿病性眼底图像分类的核主成分谱哈希方法。
技术介绍
:糖尿病是一种高发病率疾病,现已成为人类健康较大的威胁。尽早检测糖尿病可以有效减少治疗成本,相反晚期糖尿病的治疗是代价昂贵的。糖尿病往往会导致视网膜异常,这是一种糖尿病微血管并发症,被称为糖尿病性视网膜病变。眼底图像可用监测视网膜异常,所以眼底图像分类目前已成为糖尿病非入侵性检测的有效方法。眼底图像诊断的分类精度通过用敏感性和特异性评估,敏感性是指异常眼底被正确分类的百分比,特异性是指正常眼底被正确分类的百分比,两个值越高,诊断的结果越好。核主成分分析为了更好地处理非线性数据,引入隐性的非线性映射函数将原空间中的数据映射到高维空间,空间中的任一向量都可以由该空间中的所有样本线性表示。核主成分分析相较于主成分分析可以提取出样本中的非线性信息。谱哈希对图像特征向量的编码过程可看作是图分割问题,借助于对相似图的拉普拉斯矩阵特征值和特征向量的分析可对图分割问题提供一个松弛解。由谱聚类可知,相似图拉普拉斯矩阵的特征向量实际上就是原始特征降维后的向量,其并不是0-1的二值向量,可通过对特征向量进行阈值化产生spectralhashing的二值编码,更好地应用于图像特征分类。
技术实现思路
:本专利技术的目的是提供一种用于糖尿病性眼底图像分类的核主成分谱哈希方法。该方法首先对糖尿病性眼底图像数据进行预处理和分割操作,将处理后的眼底图像数据转化为向量形式;接着采用核主成分分析算法提取出眼底图像数据中非线性特征信息;然后将数 ...
【技术保护点】
1.一种用于糖尿病性眼底图像分类的核主成分谱哈希方法,其特征在于:具体步骤如下:A、首先进行糖尿病性眼底图像预处理,采用中值滤波法去除图像背景,利用图像形态学去除血管结构,提取出图像中的病变信息,利用线性元素对图像进行腐蚀操作,并对糖尿病性眼底图像中微动脉瘤候选集合的经行区域进行生长;B、选择糖尿病性眼底图像中的微血管瘤病变作为模板匹配的目标,根据微动脉瘤在图像中的灰度与形状参数,设计其函数模型来匹配目标,使眼底图像中微动脉瘤灰度服从高斯分布,其函数模板的匹配公式为:
【技术特征摘要】
1.一种用于糖尿病性眼底图像分类的核主成分谱哈希方法,其特征在于:具体步骤如下:A、首先进行糖尿病性眼底图像预处理,采用中值滤波法去除图像背景,利用图像形态学去除血管结构,提取出图像中的病变信息,利用线性元素对图像进行腐蚀操作,并对糖尿病性眼底图像中微动脉瘤候选集合的经行区域进行生长;B、选择糖尿病性眼底图像中的微血管瘤病变作为模板匹配的目标,根据微动脉瘤在图像中的灰度与形状参数,设计其函数模型来匹配目标,使眼底图像中微动脉瘤灰度服从高斯分布,其函数模板的匹配公式为:其中l为灰度最低值,h为灰度高度,e为自然底数,d为点到模板圆心的距离,r为半径,s为灰度陡峭度,(x0,y0)为微动脉瘤中心点,并将得到的特征提取图像转化为数据向量;C、将糖尿病性眼底图像数据分为训练数据和测试数据,训练数据为X=(x1,x2,...,xn),n=1,2,3,4...,测试数据为X'=(x1',x2',...,xm'),通过原始数据的维度确定需要转化的二值码码长为2n,n=1,2,3,4...,选择原始数据维度和需要转化的二值码码长中较小的值作为降维数m,从而得到核主成分数据;D、在核主成分数据每一个特征方向上根据主成分值应用公式计算q1个最小的特征值,得到N×q1个特征值,并对该特征值列表进行排序,选取前q1个最小的特征值,计算其对应的特征函数值;E、利用谱哈希方法将特征函数值的阈值设置为0,获取其相应的二值码,将每八位压缩为一个十进制紧密码,并用k最近邻kNN分类算法在汉明空间对获得的谱哈希十进制紧密码进行分类,从而进行糖尿病性眼底图像的有效分类。2.根据权利要求1所述一种用于糖尿病性眼底图像分类的核主成分谱哈希方法,其特征在于:所述步骤C具体为:将糖尿病性眼底图像数据分为训练数据和测试数据,训练数据为X=(x1,x2,...,xn),n=1,2,3,4...,确定核主成分分析的降维数,通过原始数据的维度确定需要转化的二值码码长为2n,n=1,2,3,4...,选择其中较小的值作为降维数m,从而得到核主成分数据,其步骤如下:a、将原来的非线性复杂数据转换至高维数据空间,通过原数据之间核函数Kij=h(xi,xj),i,j=1,2,...,n得到核矩阵,表示xi,xj的核函数运算,得到的值为核矩阵Kij中第i行第j列元素;b、对上述得到的核矩阵中心化运算为:其中为表示中心化的核矩阵,l为n×n的矩阵,其每个元素为1/n;c、求中心化核矩阵的特征值λg,g=1,2,...,n和特征向量αg,有效去除特征之间的相关性,选择前m个最大特征值所对应的特征向量,得到原始数据中主要的信息,从而构造其对应的特征向量系数矩阵U=[α1,α2,...,αm];d、将原始训练数据和测试数据在该特征向量系数矩阵进行投影,得到训练数据的核主成分数据和测试数据的核主成分数据,其计算公式为:其中x表示训练数据或者测试数据的某一个样本,t表示数据x的第g个主成分数据。3.根据权利要求1所述一种用于糖尿病性眼底图像分类的核主成分谱哈希方法,其特征在于:所述步骤D具体为:在核主成分数据每一个特征方向上根据主成分值应用公式计算q1个最小的特征值,得到N×q1个特征值,并对该特征值列表进行排序,选取前q1个最小的特征值,计算其对应的特征函数值;其步骤如下:a、对原始数据中的训练数据进行核主成分分析并得到核主成分数据,在每一个核主成分方向上计算出数据的百分...
【专利技术属性】
技术研发人员:丁卫平,景炜,丁帅荣,万杰,胡彬,陈森博,任龙杰,孙颖,冯志豪,
申请(专利权)人:南通大学,
类型:发明
国别省市:江苏,32
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。