资源类型：
申请人：
北京同仁医学科技有限责任公司
;
首都医科大学附属北京同仁医院
;
当前专利权人：
北京同仁医学科技有限责任公司
;
首都医科大学附属北京同仁医院
;
申请号：
申请日期：
授权年份：
公开号：
公开日：
法律状态：
主分类号：
分类号：
摘要：
本发明涉及一种角膜荧光素染色图像识别分级方法，该方法包括：获取角膜荧光素染色图像；识别图像中的角膜感兴趣区域；其中，角膜感兴趣区域为扇形区域，夹角为90度，角膜感兴趣区域的中心点为瞳孔的中心点，角膜感兴趣区域的半径为角膜中心点距离角膜低边缘的距离；对角膜感兴趣区域进行染色区域分割；提取分割后的角膜感兴趣区域的拓扑特征，并提取角膜感兴趣区域的形态特征、一阶直方图统计特征和二阶灰度矩阵特征；基于拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征进行角膜荧光染色素的识别分级。本发明基于拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征进行角膜荧光染色素的识别分级，提升了分级准确性。
主权项：
1.一种角膜荧光素染色图像识别分级方法，其特征在于，所述方法包括： 获取角膜荧光素染色图像； 识别所述图像中的角膜感兴趣区域；其中，所述角膜感兴趣区域为扇形区域，夹角为90度，所述角膜感兴趣区域的中心点为瞳孔的中心点，所述角膜感兴趣区域的半径为角膜中心点距离角膜低边缘的距离； 对所述角膜感兴趣区域进行染色区域分割； 提取分割后的角膜感兴趣区域的拓扑特征，并提取所述角膜感兴趣区域的形态特征、一阶直方图统计特征和二阶灰度矩阵特征； 基于拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征进行角膜荧光素染色的识别分级； 所述提取分割后的角膜感兴趣区域的拓扑特征，包括： 将每个分割后的角膜感兴趣区域的质心作为顶点； 在多个尺度上，膨胀每个分割后的角膜感兴趣区域； 如果扩张后的区域出现重叠，则连接重叠的区域的顶点，形成空间连通性和分布的拓扑图； 基于所述拓扑图提取拓扑特征； 所述拓扑特征包括：子图数、平均顶点度、最大顶点度、平均顶点偏心率、直径、平均聚类系数、巨型连通分量比、孤立点百分比； 所述形态特征包括：平均面积、总面积、平均周长与面积之比、总周长与面积比率、平均圆形度、平均周长、总周长、最小外部矩形纵横比、数量； 所述一阶直方图统计特征包括：第十百分位、第九十百分位、能量、熵、四分位范围、峰度、最大值、平均绝对偏差、平均值、中值、最小值、极差、鲁棒平均绝对偏差、均方根、偏度、总能量、均匀性、方差； 所述二阶灰度矩阵特征包括：灰度共生矩阵特征、灰度区域大小矩阵特征、灰度行程矩阵特征、相邻灰度调差矩阵特征、灰度依赖矩阵特征； 所述灰度共生矩阵特征包括：自相关、集群显著性、集群明暗度、集群倾向性、对比度、相关性、差平均、差熵、差方差、逆差、归一化逆差、逆差矩、归一化逆差矩、相关信息测度、逆方差、联合平均、联合能量、联合熵、最大相关系数、最大概率、和平均、和熵、和方差； 所述灰度区域大小矩阵特征包括：灰度非均匀性、归一化的灰度非均匀性、灰度方差、高灰度区域强调、大面积强调、大面积高灰度级强调、大面积低灰度强调、低灰度区域强调、区域大小不均匀性、归一化区域大小不均匀性、小面积强调、小面积高灰度强调、小面积低灰度强调、区域熵、区域百分比、区域方差； 所述灰度行程矩阵特征包括：灰度非均匀性、归一化的灰度非均匀性、灰度方差、高灰度行程强调、长行程强调、长行程高灰度级强调、长行程低灰度级强调、短行程高灰度强调、短行程低灰度强调； 所述相邻灰度调差矩阵特征包括：繁忙度、粗糙度、复杂度、对比度、强度； 所述灰度依赖矩阵特征包括：依赖熵、依赖非均匀性、归一化的依赖非均匀性、依赖方差、灰度非均匀性、灰度方差、高灰度强调、大依赖强调、大依赖高灰度强调、大依赖低灰度强调、低灰度强调、小依赖强调、小依赖高灰度强调、小依赖低灰度强调； 所述基于拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征进行角膜荧光素染色的识别分级，包括： 采用单因素方差分析和基于Pearson冗余度的滤波器去除所述拓扑特征、形态特征、一阶直方图统计特征和二阶灰度矩阵特征中的不显著特征，得到识别分级特征； 基于支持向量机的方法和所述识别分级特征，进行角膜荧光素染色的识别分级。
