高精度单帧眼底荧光造影图像渗漏区域分割方法及系统

1.本发明涉及医学图像处理领域，特别涉及一种高精度单帧眼底荧光造影图像渗漏区域分割方法及系统。


背景技术：

2.眼底荧光造影技术是诊断早期视网膜屏障的受损状态的“金标准”，它的一个重要的功能是对眼底渗漏进行成像。为了对图像上的眼底渗漏开展进一步的分析，需要对眼底渗漏区域进行分割。目前，临床中多采用人工的方式实现眼底渗漏区域的分割。这种人工分割的方式不仅费时费力，还具有很强的主观性。因此，发展自动眼底渗漏图像分割方法尤为重要。
3.现有的自动眼底渗漏分割方法主要是通过对多帧眼底荧光造影图像的分析来实现的，这些方法需要建立在对多帧眼底荧光造影图像的精确配准之上。然而，要通过算法实现这样精确配准十分复杂而且有一定的配准失败概率。因此，单帧眼底荧光渗漏区域分割方法具有很大的优势。但是，现存的单帧眼底荧光渗漏区域分割方法存在着分割的精度低或者需要长时训练的问题。


技术实现要素：

4.本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于高斯混合模型的高精度单帧眼底荧光造影图像渗漏区域分割方法及系统。
5.为解决上述技术问题，本发明采用的技术方案是：一种高精度单帧眼底荧光造影图像渗漏区域分割方法，包括以下步骤：
6.s1、从采集的眼底荧光造影图像报告中，筛选出有黄斑渗漏或视盘渗漏的报告；
7.s2、在步骤s1筛选出的报告中选择造影后期t1至t2分钟的眼底荧光造影图像作为工作数据集；
8.s3、对工作数据集中的眼底荧光造影图像进行预处理：截取包含黄斑渗漏或视盘渗漏区域的图像，得到预处理后的眼底荧光造影图像i0；
9.s4、利用步骤s3得到的图像i0生成视网膜血管掩膜；
10.s5、利用步骤s4得到的视网膜血管掩膜去除图像i0上的血管部分，得到无血管图像w，并对无血管图像w进行高斯模糊处理，得到图像w'；
11.s6、对图像w'的背景进行淡化处理：先去除图像w'的背景，得到无血管图像x，然后将无血管图像x赋予空间高斯分布权重，得到背景淡化处理后的图像x'；
12.s7、采用基于高斯混合模型的方法对图像x'进行分割，得到初步渗漏分割图像；
13.s8、对步骤s7的初步渗漏分割图像进行优化，得到最终的渗漏分割图像。
14.优选的是，所述步骤s4具体包括：
15.s4-1、利用sobel算子对图像i0进行处理，得到图像i0的梯度图像s，表示为：
[0016][0017]
其中，x,y表示像素；
[0018]
s4-2、分别采用腐蚀操作和膨胀操作对梯度图像s(x,y)进行处理，得到腐蚀后的图像erode(s(x,y))和膨胀后的图像dilate(s(x,y))，然后将图像dilate(s(x,y))与图像erode(s(x,y))的像素差值大于p1的区域认定为血管存在的区域s
rbvr
，计算公式为：
[0019]srbvr
＝{(x,y)|dilate(s(x,y))-erode(s(x,y))＞p1}；
[0020]
s4-3、对区域s
rbvr
进行闭操作处理，以填充孤立区域，得到视网膜血管掩膜s
fbvr
，表示为：
[0021]sfbvr
＝close(s
rbvr
)。
[0022]
优选的是，所述步骤s5具体包括：
[0023]
s5-1、对步骤s3得到的眼底荧光造影图像i0进行开操作处理，去除眼底荧光造影图像上的血管u，得到渗漏区域被影响的无血管图像，u表示为：
[0024]
u＝open(i)；
[0025]
s5-2、在视网膜血管掩膜覆盖的区域内，将渗漏区域被影响的无血管图像赋给眼底荧光造影图像i0，得到了渗漏区域不被影响的无血管图像w，表示为：
[0026][0027]
s5-3、对渗漏区域不被影响的无血管图像w进行高斯模糊处理，以淡化掩膜边缘伪影，得到处理后的图像w'，表示为：
[0028]
w'＝gaussian blur(w)。
[0029]
优选的是，所述步骤s6具体包括：
[0030]
s6-1、对步骤s5得到的渗漏区域不被影响的无血管图像w'进行腐蚀操作，得到渗漏区域被消除的背景图像erode(w')，然后用图像w'减去背景图像erode(w')，得到去背景的无血管图像x，表示为：
[0031]
x＝w'-erode(w')；
[0032]
s6-2、将去背景的无血管图像赋予空间高斯分布权重，得到背景淡化处理后的图像x'，表示为：
[0033]
x'(x,y)＝x(x,y)
×
gaussian distribution(x,y)。
[0034]
优选的是，所述步骤s7具体包括：
[0035]
s7-1、对步骤s6得到的图像x'进行降采样，得到降采样后的图像d(x,y)表示为：
[0036]
d(x,y)＝downsample(x'(x,y))；
[0037]
s7-2、将降采样后的图像d(x,y)输入高斯混合模型并计算出图像高斯混合模型的μ值的均值m：
[0038]
m＝mean(gaussian mixture model
μ
(d(x,y)))；
[0039]
s7-3、以均值m的α倍作为阈值，对步骤s6得到的图像x'进行阈值分割，得到初步渗漏分割图像s
rlr
，表示为：
[0040]srlr
＝{(x,y)|x'(x,y)＞α
×
m}；
[0041]
其中，0＜α＜1。
[0042]
优选的是，所述步骤s8具体包括：
[0043]
首先，计算出步骤s7得到的初步渗漏分割图像s
rlr
中每个连通区域的面积；然后，计算出联通区域面积的最大值s
max
；最后，将面积小于β*s
max
的连通区域从初步渗漏分割图像s
rlr
中剔除，得到最终的渗漏分割图像，其中，0＜β＜1。
[0044]
优选的是，其中，t1＝5，t2＝6，p1＝50，α＝0.75，β＝0.02。
[0045]
本发明还提供一种高精度单帧眼底荧光造影图像渗漏区域分割系统，其采用如上所述的方法进行眼底荧光造影图像渗漏区域的分割。
[0046]
本发明还提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被执行时用于实现如上所述的方法。
[0047]
本发明还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述的方法。
[0048]
本发明的有益效果是：本发明提供的基于高斯混合模型的高精度单帧眼底荧光造影图像渗漏区域分割方法及系统，能够实现对单帧眼底荧光造影图像的高精度分割，对眼底疾病的辅助诊断具有潜在的医学价值。
附图说明
[0049]
图1为本发明的高精度单帧眼底荧光造影图像渗漏区域分割方法的流程图；
[0050]
图2为本发明的实施例1中应用的两类眼底荧光血管造影图像；
[0051]
图3为本发明的实施例1的方法在临床数据集中的渗漏分割结果及与专家人工分割结果的比较。
具体实施方式
[0052]
下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
[0053]
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
[0054]
实施例1
[0055]
参照图1，本实施例提供一种高精度单帧眼底荧光造影图像渗漏区域分割方法，其包括以下步骤：
[0056]
s1、从采集的眼底荧光造影图像报告中，筛选出有黄斑渗漏或视盘渗漏的报告；
[0057]
本实施例中，采集的荧光造影图像来自于常州第三人民医院的10只患眼，其中5只存在黄斑渗漏，另外5只存在视盘渗漏。通过海德堡共焦眼底血管造影仪(spectralis hra)实施眼底荧光素血管造影。
[0058]
s2、在步骤s1筛选出的报告中选择造影后期5至6分钟的眼底荧光造影图像作为工作数据集；
[0059]
s3、对工作数据集中的眼底荧光造影图像进行预处理：截取包含黄斑渗漏或视盘渗漏区域的图像，得到预处理后的眼底荧光造影图像i0；
[0060]
s4、利用步骤s3得到的图像i0生成视网膜血管掩膜；具体包括：
[0061]
s4-1、利用sobel算子对图像i0进行处理，得到图像i0的梯度图像s，表示为：
[0062][0063]
其中，x,y表示像素；
[0064]
s4-2、分别采用腐蚀操作和膨胀操作对梯度图像s(x,y)进行处理，得到腐蚀后的图像erode(s(x,y))和膨胀后的图像dilate(s(x,y))，然后将图像dilate(s(x,y))与图像erode(s(x,y的像素差值大于50的区域认定为血管存在的区域s
rbvr
(rough blood vessels region)，计算公式为：
[0065]srbvr
＝{(x,y)|dilate(s(x,y))-erode(s(x,y))＞50}；
[0066]
其中，dilate表示膨胀操作，erode表示腐蚀操作；
[0067]
s4-3、对区域s
rbvr
进行闭操作处理，以填充孤立区域(本实施例中，以半径小于5个像素的区域作为孤立区域)，得到视网膜血管掩膜s
fbvr
(fine blood vessels region)，表示为：
[0068]sfbvr
＝close(s
rbvr
)。
[0069]
s5、利用步骤s4得到的视网膜血管掩膜去除图像i0上的血管部分，得到无血管图像w，并对无血管图像w进行高斯模糊处理，得到图像w'；
[0070]
具体包括：
[0071]
s5-1、对步骤s3得到的眼底荧光造影图像i0进行开操作处理，去除眼底荧光造影图像上的血管u，得到渗漏区域被影响的无血管图像，u表示为：
[0072]
u＝open(i)；
[0073]
该操作虽然去除了图像上的血管部分，但是影响了图像上的渗漏区域；因此，得到的是渗漏区域被影响的无血管图像；
[0074]
s5-2、在视网膜血管掩膜覆盖的区域内，将渗漏区域被影响的无血管图像赋给眼底荧光造影图像i0，得到了渗漏区域不被影响的无血管图像w，表示为：
[0075][0076]
s5-3、对渗漏区域不被影响的无血管图像w进行高斯模糊处理，以淡化掩膜边缘伪影，得到处理后的图像w'，表示为：
[0077]
w'＝gaussian blur(w)。
[0078]
s6、对图像w'的背景进行淡化处理：先去除图像w'的背景，得到无血管图像x，然后将无血管图像x赋予空间高斯分布权重，得到背景淡化处理后的图像x'；
[0079]
具体包括：
[0080]
s6-1、对步骤s5得到的渗漏区域不被影响的无血管图像w'进行腐蚀操作，得到渗漏区域被消除的背景图像erode(w')，然后用图像w'减去背景图像erode(w')，得到去背景的无血管图像x，表示为：
[0081]
x＝w'-erode(w')；
[0082]
s6-2、将去背景的无血管图像赋予空间高斯分布权重，得到背景淡化处理后的图像x'，以利于进一步的处理，表示为：
[0083]
x'(x,y)＝x(x,y)
×
gaussian distribution(x,y)。
[0084]
s7、采用基于高斯混合模型的方法对图像x'进行分割，得到初步渗漏分割图像；
[0085]
具体包括：
[0086]
s7-1、对步骤s6得到的图像x'进行降采样，得到降采样后的图像d(x,y)表示为：
[0087]
d(x,y)＝downsample(x'(x,y))；
[0088]
s7-2、将降采样后的图像d(x,y)输入高斯混合模型并计算出图像高斯混合模型的μ值的均值m：
[0089]
m＝mean(gaussian mixture model
μ
(d(x,y)))；
[0090]
s7-3、以均值m的0.75倍作为阈值，对步骤s6得到的图像x'进行阈值分割，得到初步渗漏分割图像s
rlr
，表示为：
[0091]srlr
＝{(x,y)|x'(x,y)＞0.75
×
m}；
[0092]
s8、优化分割结果：对步骤s7的初步渗漏分割图像进行优化，得到最终的渗漏分割图像；
[0093]
具体包括：
[0094]
首先，计算出步骤s7得到的初步渗漏分割图像srlr中每个连通区域的面积；然后，计算出联通区域面积的最大值s
max
；最后，将面积小于0.02*s
max
的连通区域从初步渗漏分割图像srlr中剔除，得到最终的渗漏分割图像。
[0095]
参照图2，为实施例1中应用的两类眼底荧光血管造影图像。
[0096]
参照图3，为实施例1的方法在临床数据集中的渗漏分割结果及与专家人工分割结果的比较。下表1为实施例1的方法的渗漏分割结果的精度指标(以专家人工分割结果为基准)。
[0097]
表1
[0098]
图像序号sensitivityspecificityaccuracy10.99050.98790.988020.86400.98950.985330.90120.99510.989740.81450.99910.994950.93110.99340.990761.00000.87730.895670.99390.91710.925381.00000.91730.926091.00000.94330.9501101.00000.87020.8850mean0.94950.94900.9531
[0099]
图3的定性比较说明了实施例1的方法在眼底荧光造影图像渗漏区域分割上的有效性。由表1所示，以专家分割结果为参照，实施例1的方法对10个样本的渗漏区域都成功地进行了分割；具体来说，眼底荧光造影图像渗漏区域分割的平均灵敏度、特异度、准确度分别达到了0.9495、0.9490和0.9531，说明实施例1的方法能够实现单帧眼底荧光造影图像的高精度分割。
[0100]
实施例2
[0101]
本实施例提供一种高精度单帧眼底荧光造影图像渗漏区域分割系统，其采用实施例1的方法进行眼底荧光造影图像渗漏区域的分割。
[0102]
本实施例还提供一种存储介质，其上存储有计算机程序，该程序被执行时用于实现实施例1的方法。
[0103]
本实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现实施例1的方法。
[0104]
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。