基于青光眼OCT影像的眼前房角闭合程度评估研究依照眼前房角光学相关断层扫描技术(OCT)进行房角自动评估,是青光眼早期诊断和治疗的要点手段。但目前临床上医生更多的还是从眼前房角的详尽结构参数丈量出发,不但丈量任务深重,并且议论主观性强。本文试试利用图像特色对眼前房角OCT成像进行描述,从而利用分类器对眼前房角闭合程度进行评估。本文第一利用特色边沿提取眼前房角感兴趣地域,对图像的要点房角隐窝地域进行划分。其次利用梯度方向直方图(HOG)、共生梯度方向直方图(COHOG)等特色分别描述感兴趣地域,并且经过支持向量机(SVM)进行房角评估。最后,从点、线、面三个层次分别考虑适合的特色描述算法,综合利用多个特色全面描述房角隐窝地域,并且以Shaffer评级方法为依照,对房角状态进行多级分类。本文主要工作和研究成就以下：(1)提出了一种基于特色边沿的感兴趣地域自动提取方法。第一,考虑到各样类图像噪声及失真状况后,提出了一种多层级的图像切割算法,为感兴趣地域的精确立位供给了前提。而后,采纳基于像素灰度方向连续性的边沿检测算法,简单快速定位虹膜、角膜边沿。最后,经过对边沿进行线性拟合,确立拟合直线订交点,依据订交点定位感兴趣地域。提出了一种基于感兴趣地域及HOG特色的眼前房角分类方法。利用图像切割结合基于灰度方向连续性的边沿检测算法找出基准点,定位出感兴趣地域。经过提取HOG特色,结合支持向量机进行分类器训练与图像最后分类。实验结果表示,第一,本文感兴趣地域自动提取方法定位快速、正确,为特色提取、样安分类供给了保障：第二,HOG特色与支持向量机的结合较好的划分出闭合、开放状态,分类成效较佳且稳固。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地址信息的同时,采纳一种余弦定理方式计算加权值,增添梯度幅值信息的利用,重新统计COHOG特色。而后对高维的COHOG特色采纳PCA方法降维。最后依旧结合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%,加强分类成效明显。(4)提出了一种基于多特色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地域,经过交融特色描述提高各种类图像的划分信息,为加强多分类成效供给靠谱性。同时,本文采纳了二叉树的多分类模型,在两分类的基础上,依照shaffer评级
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
进行五级分类,实验结果表示,在高质量图片中利用本文方法进行五级分类,各种样安分类结果均高于70%,验证了青光眼图片的计算机多级分类的可行性。
浙公网安备 33021202002483