專利名稱：一種確定核性白內(nèi)障級(jí)別的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種確定裂隙燈圖像中核性白內(nèi)障級(jí)別(grade)的方法及系統(tǒng)，該方法和裝置優(yōu)選地用于確定核性白內(nèi)障的級(jí)別。
背景技術(shù)：
到2020年，全球盲人數(shù)量預(yù)計(jì)將達(dá)到76萬(wàn)[I]。統(tǒng)計(jì)資料顯示，全世界有一半的失明是由白內(nèi)障所致。盡管提出了一些導(dǎo)致白內(nèi)障發(fā)展的可能危險(xiǎn)因素，但到目前為止仍沒(méi)有確切的方法來(lái)防止白內(nèi)障的形成。但是通過(guò)使用人工晶狀體(intraocular lens)的白內(nèi)障手術(shù)，可以恢復(fù)近乎正常的視功能。為了防止視力減退，準(zhǔn)確診斷和及時(shí)治療白內(nèi)障是非常必要的。白內(nèi)障是指眼內(nèi)晶狀體的混濁或不透明。白內(nèi)障的首發(fā)癥狀通常是不清晰或模糊。年齡相關(guān)性(老年)白內(nèi)障主要有三種類型，即核性白內(nèi)障、皮質(zhì)性白內(nèi)障、后囊下白·內(nèi)障。這些是由它們的臨床表現(xiàn)定義的，例如眼睛內(nèi)晶狀體的不透明的位置。核性白內(nèi)障形成于眼睛的晶狀體的中心，皮質(zhì)性白內(nèi)障形成于眼睛的晶狀體皮質(zhì)，而后囊下白內(nèi)障始于眼睛的晶狀體后部。核性白內(nèi)障在三種類型的白內(nèi)障中最常見(jiàn)。臨床上通過(guò)裂隙燈評(píng)估對(duì)核性白內(nèi)障進(jìn)行診斷，在裂隙燈評(píng)估中，通過(guò)將裂隙燈圖像與標(biāo)準(zhǔn)照片比較，指定白內(nèi)障級(jí)別，以提供白內(nèi)障嚴(yán)重程度的定量記錄。這些臨床分類方法比較主觀，也相當(dāng)費(fèi)時(shí)，尤其是在進(jìn)行群體研究時(shí)。幾個(gè)研究小組已經(jīng)研究了使用裂隙燈圖像自動(dòng)診斷核性白內(nèi)障。威斯康星研究小組[2-3]提出一方法，該方法提取視軸上的解剖結(jié)構(gòu)，選擇溝強(qiáng)度(intensity)及晶狀體(lentil)前部和后部間的強(qiáng)度比作為特征，執(zhí)行線性回歸分析以對(duì)核硬化程度自動(dòng)分級(jí)。約翰·霍普金斯研究小組[4]提出一方法，該方法分析了視軸的強(qiáng)度分布圖并提取了三個(gè)特征，即核平均灰度水平，分布圖后部的點(diǎn)的斜率和最小二乘擬合的小數(shù)殘差(fractionalresidual) 0然后使用這些特征確定核渾濁化的級(jí)別來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。威斯康星研究小組和約翰.霍普金斯研究小組完成的研究?jī)H利用視軸的特征，而在核性白內(nèi)障的臨床診斷中，通常會(huì)分析整個(gè)晶狀體核的區(qū)域。發(fā)明者自己之前也提出過(guò)核性白內(nèi)障的自動(dòng)診斷方法[5-6]，該方法提取晶狀體輪廓。然而，發(fā)明者之前分析了整個(gè)晶狀體的區(qū)域，而不是僅核區(qū)域，并且發(fā)現(xiàn)這會(huì)導(dǎo)致不準(zhǔn)確的評(píng)估。之前由威斯康星研究小組、約翰.霍普金斯研究小組、甚至發(fā)明者他們自己完成的研究都沒(méi)有使用大量的臨床數(shù)據(jù)來(lái)證實(shí)。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種新型且有效的確定測(cè)試圖像中核性白內(nèi)障級(jí)別的自動(dòng)的方法和系統(tǒng)?？傮w而言，本發(fā)明提出定義圖像中晶狀體結(jié)構(gòu)輪廓，所述晶狀體結(jié)構(gòu)輪廓包括在晶狀體結(jié)構(gòu)核邊緣的周圍的部分?？墒褂迷撦喞獊?lái)確定圖像中的核性白內(nèi)障的級(jí)別。這樣的輪廓是更可取的，因?yàn)樵摵藚^(qū)域通常是正規(guī)評(píng)估核性白內(nèi)障的唯一區(qū)域。
具體來(lái)說(shuō)，本發(fā)明的第一個(gè)方面是確定測(cè)試圖像中核性白內(nèi)障級(jí)別的方法，該方法包括以下步驟(Ia)定義在測(cè)試圖像中的晶狀體結(jié)構(gòu)輪廓，所述定義的晶狀體結(jié)構(gòu)輪廓包括在晶狀體結(jié)構(gòu)核邊緣的周圍的部分；(Ib)基于定義的在測(cè)試圖像中的晶狀體結(jié)構(gòu)輪廓，從測(cè)試圖像提取特征；和(Ic)基于所述提取的特征和分級(jí)模型，確定測(cè)試圖像中的核性白內(nèi)障的級(jí)別。可選的，本發(fā)明還可表現(xiàn)為執(zhí)行這樣的方法的計(jì)算機(jī)系統(tǒng)。該計(jì)算機(jī)系統(tǒng)可與裂隙燈圖像拍攝設(shè)備集成。本發(fā)明也可表現(xiàn)為計(jì)算機(jī)程序產(chǎn)品，如這樣的一個(gè)計(jì)算機(jī)程序產(chǎn)品，其被記錄在有形的計(jì)算機(jī)介質(zhì)上，并且包括可由計(jì)算機(jī)系統(tǒng)操作的程序指令，以執(zhí)行所述方法的步驟。


現(xiàn)在出于舉例的緣故，本發(fā)明的實(shí)施例將僅參考下面的圖進(jìn)行說(shuō)明，其中圖I示出了根據(jù)本發(fā)明的實(shí)施例的方法100的流程圖，所述方法100執(zhí)行對(duì)核性白內(nèi)障的自動(dòng)分級(jí)，所述方法100包括步驟102-108和112-118 ；圖2示出了圖I的方法100中的步驟102的子步驟102a_102d ；圖3示出了圖像中的水平線和豎直線，憑此，在圖I的方法100中的步驟102中分析了這些水平線和豎直線的剖面(profiles)；圖4示出了描述圖像中晶狀體結(jié)構(gòu)形狀模型上的位標(biāo)(landmark)點(diǎn)；圖5示出了圖I的方法100的步驟104的子步驟104b的子步驟104bi_104bii的流程圖；圖6示出了方法100的步驟102-104的結(jié)果；和圖7示出了方法100的結(jié)果與臨床分級(jí)執(zhí)行的分級(jí)結(jié)果之間的差異。
具體實(shí)施例方式參照?qǐng)D1，示出了為本發(fā)明的一個(gè)實(shí)施例的方法100中的步驟，所述方法對(duì)核性白內(nèi)障執(zhí)行自動(dòng)分級(jí)。通過(guò)詞語(yǔ)“自動(dòng)”，意味著一旦由用戶發(fā)起，本實(shí)施例的整個(gè)過(guò)程在無(wú)人工干預(yù)下運(yùn)行。可選的，實(shí)施例可以半自動(dòng)方式執(zhí)行，即采用最小的人工干預(yù)。輸入到方法100中的是一系列訓(xùn)練(training)裂隙燈圖像和測(cè)試裂隙燈圖像。方法100包括兩個(gè)階段訓(xùn)練階段，包括步驟102-108 ;和測(cè)試階段，包括步驟112-118。所有裂隙燈圖像均獲取于不同的眼睛。對(duì)于每個(gè)對(duì)象(subject)均獲取兩張裂隙燈圖像(對(duì)象每只眼各一張)。訓(xùn)練圖像用于訓(xùn)練階段。在訓(xùn)練階段，首先執(zhí)行步驟102，定位每張訓(xùn)練圖像中的晶狀體，隨后是步驟104，執(zhí)行步驟104，定義每張訓(xùn)練圖像中的晶狀體結(jié)構(gòu)輪廓。然后執(zhí)行步驟106，基于在步驟104中定義的晶狀體結(jié)構(gòu)輪廓，從每張訓(xùn)練圖像中提取特征。然后執(zhí)行步驟108，基于在步驟106提取的特征訓(xùn)練支持向量機(jī)(SVM)，以獲得分級(jí)模型。測(cè)試圖像用于測(cè)試階段。對(duì)于每張測(cè)試圖像，分別執(zhí)行步驟112，114和116來(lái)定位圖像中的晶狀體，定義圖像中的晶狀體結(jié)構(gòu)輪廓和基于所述定義的晶狀體結(jié)構(gòu)輪廓從圖像中提取特征。步驟112，114和116的子步驟分別與步驟102，104和106的子步驟相同。接下來(lái)，使用從步驟116提取的特征和從步驟108獲得的分級(jí)模型執(zhí)行SVM預(yù)測(cè)，從而獲得每個(gè)測(cè)試圖像的級(jí)別。該級(jí)別是測(cè)試圖像中的晶狀體中核性白內(nèi)障的嚴(yán)重程度的定量指標(biāo)。訓(xùn)練階段步驟102:訓(xùn)練圖像中的晶狀體的定位步驟102定位每張裂隙燈圖像中的晶狀體。參考圖2，示出了步驟102的子步驟。當(dāng)觀察裂隙燈圖像時(shí)，通常可以看到角膜弓，即圖像中最左邊(右眼)或最右邊(左眼)的明亮的豎曲線，而晶狀體通常是前景(foreground)中最大的部分，占據(jù)整個(gè)裂隙燈圖像的大約20%至30%。此外，晶狀體通常出現(xiàn)在圖像的中心。在子步驟102a中，首先設(shè)定閾值來(lái)分割出裂隙燈圖像的灰度圖像中像素最亮的20%至30%，以分割前景。最亮的像素即具有最高的灰度水平值的像素。接下來(lái)，在子步驟102a中分割的圖像前景上執(zhí)行定位方案以定位晶狀體。所述定 位方案包括子步驟102b-102d。在子步驟102b中，首先獲取在圖像中的多條水平線。所述多條水平線包括一條中位水平線和四條平行于所述中位水平線的線。然后執(zhí)行水平剖面聚類(clustering)，其中，分析穿過(guò)了圖像的中位水平線及平行于所述中位水平線的四條線的水平剖面。穿過(guò)線的剖面被定義為穿過(guò)該線的圖像的強(qiáng)度剖面(intensity profile)。在圖3中，顯示了標(biāo)注為線A的中位水平線和四條平行于線A的線(兩條在線A上側(cè)，兩條在線A下側(cè))。對(duì)每個(gè)水平剖面，均執(zhí)行聚類，并確定最大聚類的圖心。估計(jì)晶狀體中心的水平坐標(biāo)為為水平剖面確定的圖心的水平坐標(biāo)的平均值。每個(gè)剖面的最大聚類的像素?cái)?shù)被稱為聚類的大小。在定位方案中，確定了每個(gè)水平剖面的聚類大小，并估計(jì)晶狀體的水平直徑為水平剖面的聚類的大小的平均值。在子步驟102c中，首先獲取在圖像中的多條豎直線。所述多條豎直線包括得自子步驟102b的估計(jì)的晶狀體中心的水平坐標(biāo)的豎直線和四條平行于所述豎直線的線。在這些線上執(zhí)行聚類。在圖3中，將穿過(guò)晶狀體中心的估計(jì)的水平坐標(biāo)的豎直線標(biāo)記為線B，線B和四條平行于線B的線一起示出(兩條在線B左側(cè)的，兩條在線B右側(cè))。同樣，對(duì)每個(gè)豎直剖面均執(zhí)行聚類，并確定最大聚類的圖心。估計(jì)晶狀體中心的縱坐標(biāo)為為豎直剖面確定的圖心的平均值。也為每個(gè)豎直剖面確定聚類的大小，并估計(jì)晶狀體的豎直直徑為豎直剖面的聚類大小的平均值。使用子步驟102b和102c獲得的估計(jì)的晶狀體中心(也稱為定位中心)的坐標(biāo)表示為(LX，LY)，其中，L5^P Ly分別是估計(jì)的晶狀體中心的水平和豎直坐標(biāo)。然后在子步驟102d中，晶狀體被估計(jì)為以所述定位中心為中心的橢圓，并且水平和豎直直徑等于在子步驟102b和102c中獲得的晶狀體的估計(jì)的水平和豎直的直徑。這個(gè)橢圓是晶狀體結(jié)構(gòu)的初步輪廓。步驟104 :在訓(xùn)練圖像中定義晶狀體結(jié)構(gòu)輪廓在步驟104中，通過(guò)首先在子步驟104a中獲得點(diǎn)分布模型PDM，然后在子步驟104b中應(yīng)用改良的主動(dòng)形狀模型(ASM)方法[7]，定義晶狀體結(jié)構(gòu)輪廓(和其核)。子步驟104a :獲取點(diǎn)分布樽型通過(guò)學(xué)習(xí)來(lái)自正確標(biāo)注的圖像的訓(xùn)練集的變化模式獲得PDM，從而PDM允許以與所述訓(xùn)練集一致的方式的變形。在子步驟104a中，使用如圖4所示的一共η = 38個(gè)位標(biāo)點(diǎn)來(lái)描述晶狀體的形狀。除了在前述模型[5-6]中描述的晶狀體輪廓，晶狀體核的輪廓也包括在如圖4所示的38個(gè)點(diǎn)分布模型中。來(lái)自訓(xùn)練圖像的子集圖像被用作子步驟104a的訓(xùn)練集中的圖像。在子步驟104a中，首先在訓(xùn)練集中的圖像上手動(dòng)標(biāo)記η = 38個(gè)位標(biāo)點(diǎn),在訓(xùn)練集的每個(gè)圖像上形成形狀。然后，不同圖像上的形狀(稱為訓(xùn)練形狀)使用變換排列(aligned)到共同的坐標(biāo)系統(tǒng)，所述變換將不同訓(xùn)練形狀上手動(dòng)標(biāo)記的位標(biāo)點(diǎn)之間距離的平方和最小化。隨后在排列的訓(xùn)練形狀上根據(jù)方程式(I)來(lái)執(zhí)行主成分分析，以導(dǎo)出(drive) PDM，方程式(I)描述了近似的晶狀體形狀。在方程式⑴中4表示排列的培訓(xùn)形狀的平均形狀，b = (b1； b2，"·Κ)Τ是形狀參數(shù)的向量，Φ = (Φ1； Φ2，-Ot) e R2nxt是訓(xùn)練形狀的協(xié)方差矩陣的最大t特征值對(duì)應(yīng)的特征向量集。PDM被稱為初始形狀模型，并隨后用于子步驟104b中改良的ASM。
權(quán)利要求
1.一種確定測(cè)試圖像中的核性白內(nèi)障級(jí)別的方法，所述方法包括以下步驟 (Ia)定義測(cè)試圖像中的晶狀體結(jié)構(gòu)輪廓，所述定義的晶狀體結(jié)構(gòu)輪廓包括晶狀體結(jié)構(gòu)核邊緣周圍的部分； (Ib)基于所述測(cè)試圖像中定義的晶狀體結(jié)構(gòu)輪廓，從所述測(cè)試圖像中提取特征；和 (Ic)基于所述提取的特征和分級(jí)模型，確定所述測(cè)試圖像中的核性白內(nèi)障的級(jí)別。
2.根據(jù)權(quán)利要求I所述的方法，其中在步驟(Ic)中的分級(jí)模型在訓(xùn)練階段構(gòu)建，所述訓(xùn)練階段包括以下步驟 (2a)對(duì)多張訓(xùn)練圖像中的核性白內(nèi)障分級(jí)，以確定所述多張訓(xùn)練圖像中的核性白內(nèi)障的級(jí)別； (2b)定義每張訓(xùn)練圖像中的晶狀體結(jié)構(gòu)輪廓，所述定義的晶狀體結(jié)構(gòu)輪廓包括晶狀體結(jié)構(gòu)核邊緣周圍的部分； (2c)基于所述訓(xùn)練圖像中定義的晶狀體結(jié)構(gòu)輪廓，從每張所述訓(xùn)練圖像中提取特征；(2d)基于多張訓(xùn)練圖像中所述確定的核性白內(nèi)障的級(jí)別和從每張訓(xùn)練圖像中提取的特征，構(gòu)建分級(jí)模型。
3.根據(jù)上述權(quán)利要求任一項(xiàng)所述的方法，其中步驟(Ia)或步驟(2b)進(jìn)一步包括子步驟 (3i)估計(jì)圖像中的晶狀體結(jié)構(gòu)的中心，所述圖像為測(cè)試圖像或訓(xùn)練圖像； (3ii)基于所述估計(jì)的晶狀體結(jié)構(gòu)的中心，定義圖像中的晶狀體結(jié)構(gòu)輪廓。
4.根據(jù)權(quán)利要求3所述的方法，其中子步驟(3i)進(jìn)一步包括以下子步驟 (4i)獲取圖像中的第一多條線，所述第一多條線彼此平行； (4ii)對(duì)穿過(guò)所述多條第一線中的每條線的剖面進(jìn)行聚類，以獲得多個(gè)聚類； (4iii)為所述第一多條線中的每條線確定最大聚類的圖心； (4iv)計(jì)算所述為所述第一多條線確定的圖心的平均值；和 (4v)將所述晶狀體結(jié)構(gòu)的中心的第一個(gè)坐標(biāo)估計(jì)為為所述第一多條線確定的圖心的平均值。
5.根據(jù)權(quán)利要求4所述的方法，其中子步驟(4i)中獲得的第一多條線中的至少一條是通過(guò)所述圖像的中線。
6.根據(jù)權(quán)利要求4或5所述的方法，還包括子步驟 (6i)獲得圖像中的第二多條線，所述第二多條線彼此平行并且垂直于所述第一多條線.-^4 ， (6ii)對(duì)穿過(guò)所述第二多條線中的每條線的剖面聚類，以獲得多個(gè)聚類； (6iii)為所述第二多條線中的每條線確定最大聚類的圖心； (6iv)計(jì)算所述為多條第二線確定的圖心的平均值；和 (6v)將所述晶狀體結(jié)構(gòu)的中心的第二坐標(biāo)估計(jì)為為所述第二多條線確定的圖心的平均值。
7.根據(jù)權(quán)利要求6所述的方法，其中子步驟(6i)中獲得的第二多條線中的至少一條是通過(guò)所述估計(jì)的晶狀體結(jié)構(gòu)中心的第一坐標(biāo)的線。
8.根據(jù)權(quán)利要求4-7中任一項(xiàng)所述的方法，在子步驟(4i)前，還包括設(shè)定圖像閾值以提取圖像前景。
9.根據(jù)權(quán)利要求8所述的方法，其中設(shè)定圖像閾值以提取圖像前景的子步驟，所述圖像包括多個(gè)像素，所述子步驟還包括分割所述圖像中具有最高灰度水平值的像素百分比的子步驟。
10.根據(jù)權(quán)利要求9所述的方法，其中所述百分比范圍從20%至30%。
11.根據(jù)權(quán)利要求6-10任一項(xiàng)所述的方法，其中每個(gè)聚類包括多個(gè)像素，所述方法還包括根據(jù)下列子步驟估計(jì)的晶狀體結(jié)構(gòu)中心來(lái)定義晶狀體結(jié)構(gòu)的初步輪廓的子步驟，下列子步驟為 (Ili)確定為所述第一多條線和第二多條線中的每一條獲得的最大聚類中的像素?cái)?shù)；(Ilii)計(jì)算所述為所述第一多條線獲得的最大聚類中的像素?cái)?shù)的平均值及所述為所述第二多條線獲得的最大聚類中的像素?cái)?shù)的平均值； (Iliii)將晶狀體結(jié)構(gòu)的初步輪廓估計(jì)為以估計(jì)的晶狀體結(jié)構(gòu)的中心為中心的橢圓，所述橢圓具有第一和第二的直徑，所述第一和第二直徑分別等于所述為所述第一多條線和所述第二多條線獲得的最大聚類中的像素?cái)?shù)的平均值。
12.根據(jù)權(quán)利要求3-11任一項(xiàng)所述的方法，其中，子步驟(3ii)是一個(gè)迭代過(guò)程，進(jìn)一步包括以下子步驟 (12i)估計(jì)初始形狀模型，所述初始形狀模型在形狀空間中描述； (12ii)通過(guò)將初始形狀模型從形狀空間變換到所述圖像中的圖像空間上而初始化所述迭代過(guò)程以在圖像上產(chǎn)生形狀模型； (12iii)通過(guò)反復(fù)變形圖像上的形狀模型執(zhí)行迭代過(guò)程，直到在先前迭代的變形形狀模型和當(dāng)前迭代的變形形狀模型之間的差低于預(yù)定值。
13.根據(jù)權(quán)利要求12所述的方法，其中，子步驟12(i)進(jìn)一步包括從多張圖像估計(jì)所述初始形狀模型的子步驟，所述多張圖像包括多張訓(xùn)練圖像的子集。
14.根據(jù)權(quán)利要求13所述的方法，其中從多張圖像估計(jì)所述初始形狀模型的子步驟，進(jìn)一步包括以下子步驟 (14i)在多張圖像中的每一個(gè)上標(biāo)記多個(gè)位標(biāo)點(diǎn)以在所述多張圖像上形成形狀，在所述多張圖像的每一個(gè)上的形狀被稱作訓(xùn)練形狀； (14ii)將所述訓(xùn)練形狀排列到共同的坐標(biāo)系統(tǒng)； (14iii)基于所述排列的訓(xùn)練形狀計(jì)算描述所述初始形狀模型的參數(shù)； (14iv)從所述計(jì)算的參數(shù)確定所述初始形狀模型。
15.根據(jù)權(quán)利要求14所述的方法，其中使用變換執(zhí)行子步驟(14ii)，所述變換最小化在不同訓(xùn)練形狀上的多個(gè)位標(biāo)點(diǎn)之間的距離的平方和。
16.根據(jù)權(quán)利要求14或15所述的方法，其中通過(guò)在所述排列的訓(xùn)練形狀上執(zhí)行主成分分析執(zhí)行子步驟(14iii)。
17.根據(jù)權(quán)利要求14-16任一項(xiàng)所述的方法，其中在子步驟(14iii)中計(jì)算的參數(shù)包括特征向量集，所述特征向量集對(duì)應(yīng)于所述訓(xùn)練形狀的協(xié)方差矩陣的最大特征值。
18.根據(jù)權(quán)利要求12-17任一項(xiàng)所述的方法，其中子步驟(12ii)進(jìn)一步包括如下子步驟為初始形狀模型從形狀空間到圖像空間上的變換而設(shè)置初始形狀參數(shù)向量和設(shè)置初始姿態(tài)參數(shù)向量，以在所述圖像上產(chǎn)生形狀模型，所述圖像上的形狀模型包括多個(gè)圖像位標(biāo)點(diǎn)；和子步驟進(jìn)一步包括反復(fù)的以下子步驟 (18 )為所述圖像上的形狀模型的每個(gè)位標(biāo)點(diǎn)定位匹配點(diǎn)； (ISii)使用圖像位標(biāo)點(diǎn)和各自的匹配點(diǎn)更新所述姿態(tài)參數(shù)向量；和(ISiii)使用所述更新的姿態(tài)參數(shù)向量將形狀空間中的形狀模型變換到圖像的圖像空間上，以在所述圖像上產(chǎn)生變形形狀模型。
19.根據(jù)權(quán)利要求18所述的方法，還包括更新形狀空間中的形狀模型的子步驟。
20.根據(jù)權(quán)利要求19所述的方法，其中所述更新形狀空間中的形狀模型的子步驟還包括以下子步驟 (20 )使用更新的姿態(tài)參數(shù)向量，將在圖像空間中的匹配點(diǎn)變換到形狀空間上； (20ii)通過(guò)將變換的匹配點(diǎn)的子集投射到形狀空間上，更新所述形狀參數(shù)向量； (20iii)使用所述更新的形狀參數(shù)向量，更新在形狀空間中的形狀模型。
21.根據(jù)權(quán)利要求20所述的方法，其中子步驟(20ii)還包括子步驟 (21 )將變換的匹配點(diǎn)投射到所述形狀空間，以獲得形狀參數(shù)向量的初步更新； (21ii)使用所述形狀參數(shù)向量的初步更新，更新在形狀空間上的形狀模型，以獲得所述形狀模型的初步更新，所述形狀模型的初步更新包括多個(gè)形狀位標(biāo)點(diǎn)；和 (21iii)，如果變換的匹配點(diǎn)與其對(duì)應(yīng)的形狀位標(biāo)點(diǎn)之間的歐幾里得距離大于預(yù)定值，則通過(guò)將變換的匹配點(diǎn)排除獲得變換的匹配點(diǎn)的子集。
22.根據(jù)權(quán)利要求18所述的方法，其中子步驟(18i)進(jìn)一步包括以下子步驟 (22 )為每個(gè)圖像位標(biāo)點(diǎn)，沿著所述圖像上的所述形狀模型邊界的法向的剖面，并穿過(guò)所述圖像位標(biāo)點(diǎn)，計(jì)算所述圖像的強(qiáng)度分布的一階導(dǎo)數(shù)； (22ii)使用所述為每個(gè)圖像位標(biāo)點(diǎn)計(jì)算的一階導(dǎo)數(shù)，在所述圖像中的晶狀體結(jié)構(gòu)邊緣上定位點(diǎn)，所述定位的點(diǎn)作為所述位標(biāo)點(diǎn)的匹配點(diǎn)。
23.根據(jù)權(quán)利要求22所述的方法，還包括如下子步驟如果使用圖像位標(biāo)點(diǎn)的剖面的一階導(dǎo)數(shù)沒(méi)有定位到匹配點(diǎn)，則從圖像位標(biāo)點(diǎn)周圍的匹配點(diǎn)估計(jì)該圖像位標(biāo)點(diǎn)的匹配點(diǎn)。
24.根據(jù)權(quán)利要求22或23所述的方法，還包括如下子步驟如果使用圖像位標(biāo)點(diǎn)附近的剖面的一階導(dǎo)數(shù)沒(méi)有定位到圖像位標(biāo)點(diǎn)周圍的匹配點(diǎn)，則將圖像位標(biāo)點(diǎn)的匹配點(diǎn)估計(jì)為圖像的位標(biāo)點(diǎn)。
25.根據(jù)權(quán)利要求18-23任一項(xiàng)所述的方法，其中子步驟(ISii)進(jìn)一步包括子步驟 (25i)基于各自的匹配點(diǎn)為每個(gè)圖像位標(biāo)點(diǎn)導(dǎo)出初始權(quán)重因子； (25ii)使用所述初始權(quán)重因子最小化圖像位標(biāo)點(diǎn)與各自的匹配點(diǎn)之間差異測(cè)量結(jié)果的加權(quán)平方和，以計(jì)算姿態(tài)參數(shù)向量的初步更新； (25iii)使用初步估計(jì)的姿態(tài)參數(shù)向量，將形狀空間中的形狀模型變換到圖像的圖像空間上，以在圖像上產(chǎn)生初步的變形形狀模型，所述初步的變形形狀模型包括多個(gè)與具有各自匹配點(diǎn)的圖像位標(biāo)點(diǎn)對(duì)應(yīng)的更新的圖像位標(biāo)點(diǎn)； (25iv)為每一個(gè)更新的圖像位標(biāo)點(diǎn)導(dǎo)出校正的權(quán)重因子； (25v)使用校正的權(quán)重因子最小化更新的圖像位標(biāo)點(diǎn)與各自的匹配點(diǎn)之間差異測(cè)量結(jié)果的加權(quán)平方和，以獲得最后更新的姿態(tài)參數(shù)向量。
26.根據(jù)權(quán)利要求25所述的方法，其中子步驟(25i)進(jìn)一步包括以下子步驟 (26i)如果圖像位標(biāo)點(diǎn)各自的匹配點(diǎn)定位在形狀模型邊緣的法向的剖面上，并通過(guò)該圖像位標(biāo)點(diǎn)，則將第一權(quán)重因子分配給該圖像位標(biāo)點(diǎn)； (26ii)為其余的圖像位標(biāo)點(diǎn)中的每個(gè)分配第二權(quán)重因子，所述第二權(quán)重因子小于所述第一權(quán)重因子。
27.根據(jù)權(quán)利要求26所述的方法，其中如果圖像位標(biāo)點(diǎn)的匹配點(diǎn)是圖像位標(biāo)點(diǎn)，子步驟(26ii)中分配的第二權(quán)重因子設(shè)置為零。
28.根據(jù)權(quán)利要求25-27任一項(xiàng)所述的方法，其中子步驟(25iv)還包括如下子步驟將校正的權(quán)重因子設(shè)置為更新的圖像位標(biāo)點(diǎn)與各自的匹配點(diǎn)之間的歐幾里得距離的分段倒數(shù)比的子步驟。
29.根據(jù)上述權(quán)利要求任一項(xiàng)所述的方法，其中步驟(Ib)或步驟(2c)提取的特征包括下列特征組中的一個(gè)或多個(gè)，所述特征組包括 (29 )定義的晶狀體結(jié)構(gòu)輪廓內(nèi)的平均強(qiáng)度； (29ii)定義的晶狀體結(jié)構(gòu)輪廓內(nèi)的平均顏色； (29iii)定義的晶狀體結(jié)構(gòu)輪廓內(nèi)的平均熵； (29iv)定義的晶狀體結(jié)構(gòu)輪廓內(nèi)的平均鄰近標(biāo)準(zhǔn)差； (29v)晶狀體結(jié)構(gòu)核邊緣周圍的輪廓內(nèi)的平均強(qiáng)度； (29vi)晶狀體結(jié)構(gòu)核邊緣周圍的輪廓內(nèi)的平均顏色； (29vii)晶狀體結(jié)構(gòu)核邊緣周圍的輪廓內(nèi)的平均熵； (29viii)晶狀體結(jié)構(gòu)核邊緣周圍的輪廓內(nèi)的平均鄰近標(biāo)準(zhǔn)差； (29ix)晶狀體結(jié)構(gòu)核與晶狀體結(jié)構(gòu)間的強(qiáng)度比； (29x)圖像中溝的強(qiáng)度； (29xi)圖像中溝與和晶狀體核間的強(qiáng)度比； (29xii)圖像中前晶狀體和后晶狀體間的強(qiáng)度比； (29xiii)晶狀體結(jié)構(gòu)核邊緣的強(qiáng)度； (29xiv)圖像后反射上的顏色。
30.根據(jù)權(quán)利要求29所述的方法，其中特征(29i)和(29iv)由定義的晶狀體結(jié)構(gòu)輪廓內(nèi)的強(qiáng)度、顏色、熵和鄰近標(biāo)準(zhǔn)差的測(cè)量結(jié)果平均化計(jì)算得出。
31.根據(jù)權(quán)利要求29或30所述的方法，其中特征(29v)(29viii)由晶狀體核內(nèi)的強(qiáng)度、顏色、熵和鄰近標(biāo)準(zhǔn)差的測(cè)量結(jié)果平均化計(jì)算得出。
32.根據(jù)權(quán)利要求29-31任一項(xiàng)所述的方法，其中特征(29xii)至(29xiii)使用如下子步驟計(jì)算 (32 )基于通過(guò)圖像中心后反射的水平線上的強(qiáng)度分布，獲得晶狀體結(jié)構(gòu)的視軸剖面； (32ii)使用低通切比雪夫?yàn)V波器對(duì)所述視軸剖面進(jìn)行平滑； (32iii)通過(guò)邊緣檢測(cè)定位圖像中的前晶狀體邊緣和后晶狀體邊緣；和(32iv)基于所述平滑的視軸剖面和所述定位的前晶狀體邊緣和后晶狀體邊緣，計(jì)算特征(29xii)至(29xiii)。
33.根據(jù)權(quán)利要求29-32任一項(xiàng)所述的方法，其中特征(29x)使用以下子步驟計(jì)算 (33 )定義溝的水平位置為核邊緣的中點(diǎn)； (33ii)基于所述溝的水平位置，計(jì)算特征(29x)。
34.根據(jù)上述權(quán)利要求任一項(xiàng)所述的方法，其中使用支持向量機(jī)執(zhí)行步驟(Ic)或步驟(2d)。
35.根據(jù)上述權(quán)利要求任一項(xiàng)所述的方法，其中所述測(cè)試圖像是裂隙燈圖像。
36.一種計(jì)算機(jī)系統(tǒng)，所述計(jì)算機(jī)系統(tǒng)具有處理器，所述處理器設(shè)置為執(zhí)行根據(jù)上述權(quán)利要求任一項(xiàng)所述的方法。
37.一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品可被計(jì)算機(jī)讀取，并包括可由計(jì)算機(jī)系統(tǒng)的處理器操作的指令，以使所述處理器執(zhí)行根據(jù)權(quán)利要求1-35任一項(xiàng)所述的方法。
全文摘要
確定測(cè)試圖像中的核白內(nèi)障級(jí)別的方法。所述方法包括(1a)定義測(cè)試圖像中的晶狀體結(jié)構(gòu)輪廓，所述定義的晶狀體結(jié)構(gòu)輪廓包括晶狀體結(jié)構(gòu)核邊緣周圍的部分；(1b)基于所述測(cè)試圖像中定義的晶狀體結(jié)構(gòu)輪廓，從所述測(cè)試圖像中提取特征；(1c)基于所述提取的特征和分級(jí)模型，確定所述測(cè)試圖像中的核白內(nèi)障的級(jí)別。
文檔編號(hào)A61B5/00GK102984997SQ200980162130
公開(kāi)日2013年3月20日 申請(qǐng)日期2009年8月24日 優(yōu)先權(quán)日2009年8月24日
發(fā)明者李慧琦, 林如暉, 劉江, 黃永基, 陳彥鳴, 張卓, 呂士健, 黃天蔭 申請(qǐng)人:新加坡保健服務(wù)集團(tuán)有限公司, 新加坡科技研究局, 新加坡國(guó)立大學(xué)