基于青光眼OCT影像的眼前房角閉合程度評估研究.pdf

1、依據(jù)眼前房角光學相干斷層掃描技術(shù)(OCT)進行房角自動評估，是青光眼早期診斷和治療的關(guān)鍵手段。但目前臨床上醫(yī)生更多的還是從眼前房角的具體結(jié)構(gòu)參數(shù)測量出發(fā)，不僅測量任務(wù)繁重，而且評價主觀性強。本文嘗試利用圖像特征對眼前房角OCT成像進行描述，進而利用分類器對眼前房角閉合程度進行評估。本文首先利用特征邊緣提取眼前房角感興趣區(qū)域，對圖像的重點房角隱窩區(qū)域進行劃分。其次利用梯度方向直方圖(HOG)、共生梯度方向直方圖(COHOG)等特征分別描述

2、感興趣區(qū)域，并且通過支持向量機(SVM)進行房角評估。最后，從點、線、面三個層次分別考慮合適的特征描述算法，綜合利用多個特征全面描述房角隱窩區(qū)域，并且以Shaffer評級方法為依據(jù)，對房角狀態(tài)進行多級分類。本文主要工作和研究成果如下：
　　(1)提出了一種基于特征邊緣的感興趣區(qū)域自動提取方法。首先，考慮到各類型圖像噪聲及失真情況后，提出了一種多層級的圖像分割算法，為感興趣區(qū)域的精確定位提供了前提。然后，采取基于像素灰度方向連續(xù)性的

3、邊緣檢測算法，簡單快速定位虹膜、角膜邊緣。最后，通過對邊緣進行線性擬合，確定擬合直線相交點，根據(jù)相交點定位感興趣區(qū)域。
　　(2)提出了一種基于感興趣區(qū)域及HOG特征的眼前房角分類方法。利用圖像分割結(jié)合基于灰度方向連續(xù)性的邊緣檢測算法找出基準點，定位出感興趣區(qū)域。通過提取HOG特征，結(jié)合支持向量機進行分類器訓練與圖像最終分類。實驗結(jié)果表明，第一，本文感興趣區(qū)域自動提取方法定位快速、準確，為特征提取、樣本分類提供了保障；第二，HOG

4、特征與支持向量機的結(jié)合較好的區(qū)分出閉合、開放狀態(tài)，分類效果較佳且穩(wěn)定。
　　(3)提出了一種基于COHOG改進方法的眼前房角OCT圖像分類方法。利用一對像素點之間空間位置信息的同時，采用一種余弦定理方式計算加權(quán)值，增加梯度幅值信息的利用，重新統(tǒng)計COHOG特征。然后對高維的COHOG特征采用PCA方法降維。最后仍然結(jié)合SVM方法實現(xiàn)眼前房角閉合狀態(tài)的兩級分類。實驗結(jié)果證明，利用本文方法兩級分類正確率達到了84.7％，增強分類效果顯