0068]
[0069] 由该两个公式得出最佳模糊分类矩阵和聚类中屯、，该一过程可W通过迭代方法实 现[抽。
[0070] 本实验过程中，设定FCM的类别数为2,隶属度的加权指数m取2。最大迭代次数 为100次，判别误差为le-5,提取眼底图像中属于血管的像素点。
[0071] 本发明的方法具有较高的灵敏度化82)，算法运行迭代至函数收敛次数平均为 50次左右，实现分割的平均时间13. 4s。
[0072] 步骤二，视网膜血管的骨架化和拓扑分层
[007引如图2所示，本发明首先按照图像4邻域法则，识别出眼底血管网络上的特征点如 分叉点和终末点。
[0074] 然后根据建立的特征点，得到两个特征点之间的曲线部分，并根据图2的层次标 定方法，对眼底血管骨架网络进行重新标定，标定的结果如图3所示。
[00巧]本方法提出了一种定义血管树的分支的编号方法，该理论定义所有的子结点都是 由根节点派生出来的。结点是按由上往下，由根结点到子节点编号的，首先将根编号发出的 分支编号为1 ;然后根节点向下发出的子节点的分支编号+1，W此类推。（图2)
[0076] 步骤S，视网膜分层的迂曲度计算
[0077] 本发明根据血管曲线的每个像素点的X，Y坐标作为输入值，利用协方差矩阵的迹 和曲线的像素点个数对血管迂曲度进行建模。
[0078] 在本发明中，定义眼底血管待测曲线的每个像素点X，Y坐标为两个随机变量X和 Y，根据协方差（记为Cov狂，Y))定义：
[0079]Cov化Y) =E{技-E狂)][Y-E(Y) ]}
[0080]其中，E佩二化+X2+. . .Xn)/n;E(Y)=化+Y2+. . . +YJ/n
[0081]
陈为rv〇(，Y)的协方差矩阵，该里X，Y分别对应于待测血管曲线上的每 个像素的横纵坐标值。
[0082] 本发明中定义迂曲度化r:
[0083]Tur=n]/(C11+C22)
[0084] 该式中n为待测曲线上的像素点个数，即骨架化后图中像素点个数n，C11+C22为该 图骨架化后所有像素点X，Y坐标值的协方差矩阵的迹。
[0085] 为了验证我们的算法，我们构建出不同的迂曲模型，如图4所示，一峰一谷系列 中，峰顶偏右，测得迂曲度为9. 4298,峰顶偏左，测得迂曲度为9. 3806,峰顶偏高，测得迂曲 度为9. 4671 ;两峰一谷系列中，左锋偏左且左右两峰高度差较大，测得迂曲度为9. 7881， 左锋偏中且左右两峰高度差较大，测得迂曲度为9. 7532,左右两峰齐高，测得迂曲度为 10. 8645,左右峰高度相差较小，测得迂曲度为10. 5903 ; -峰两谷系列中，两谷深度相差较 小，测得迂曲度为10. 8904,两谷深度相差较大，测得迂曲度为10. 4339,两峰两谷系列中， 先谷后峰排列的，测得迂曲度为10. 3460,先峰后谷排列的，测得迂曲度为10. 7003 峰一 谷，测得迂曲度为10.0837 峰两谷系列中，第S峰较高，测得迂曲度为10. 8641，S峰齐 高，测得迂曲度为11. 2867,第一峰较高，测得迂曲度为11. 1562。
[0086]如图5所示，取一近半圆曲线的原图，将其分别旋转0°、15°、90°，分别计算 其迂曲度，S者均为14. 11627;-中部凹陷的曲线，测得迂曲为15. 19111，一左部凹陷的 曲线，测得迂曲度为14. 40097, 一右部凹陷的曲线，测得迂曲为14.62633;将一近半圆曲 线放大1. 2倍，测得迂曲度为14. 4027,将一右侧凹陷的曲线放大1. 2倍，测得迂曲度为 15. 50687,将一右侧凹陷的曲线旋转90。，测得迂曲度为15. 19111 ;取一近半圆曲线的原 图的截取部分，测得迂曲度为11. 1497,将原图两端点距离拉长弧长不变，测得迂曲度为 11. 7299,将原图两端点距离缩短弧长不变，测得迂曲度为32. 8246。
[0087]W上结果说明本发明的迂曲度算法能够较好地表征出模型中的迂曲情况。
[0088] 实施例2;运用本发明方法测量早期糖尿病患者视网膜血管改变
[0089]W10幅正常视网膜图像和10幅糖尿病视网膜图像为实验对象，图像有临床眼底 镜工作站（南通大学附属医院）提供。图像来自于20例临床确诊为2型糖尿病患者，诊断 标准为《1997年美国糖尿病协会提出的糖尿病诊断标准》1、有糖尿病症状，并且任意血糖 ^ 11.Immol/L。2、空腹血糖 ^ 7.Ommol/L。3、糖耐量试验 2 小时血糖 ^ 11.Immol/L。0GTT 仍按世界卫生组织的要求进行。由于有10例合并高血压，其眼底照片被排除。最终纳入10 幅图像，其中男性6例，女性4例，平均年龄为51. 2岁，10例眼底图像按照国际临床DR的 严重程度分级和我国糖尿病视网膜病变的分类方法，其中7例被诊断为无明显糖尿病视网 膜病变值i油eticretinopathy,DR)，另外3例被诊断出轻度非增生性DR(有微血管瘤，单 纯型I期）。从每一幅图像中选择一段血管枝进行新迂曲度计算。先得到视网膜血管骨架 化后的矩阵，然后利用本发明的算法可W实现自动分层标记。在实际血管树图像处理中，会 经常发现出血管现交叉情况，对于该类图像，我们设计了一种半自动的血管分层编程方法。 首先将眼底血管图像进行分解，其中每个部分内部只有分叉类型，另外图中保留起始端的 部分血管枝，便于最后重新组合。再对分解的图进行组合，将其中血管支数据整合成一组数 据，再进行使用。
[0090] 如图6所示，从折线图中可w看出糖尿病眼底血管支的迂曲度起伏不定，最后趋 于增大，而正常血管支的迂曲度更加平稳，波动较小。
[0091] 可见，本发明方法发现早期糖尿病患者在高的视网膜层次上迂曲度提高。
[0092] W上已对本发明创造的较佳实施例进行了具体说明，但本发明创造并不限于所述 实施例，熟悉本领域的技术人员在不违背本发明创造精神的前提下还可作出种种的等同的 变型或替换，该些等同的变型或替换均包含在本申请权利要求所限定的范围内。
【主权项】
1. 一种基于眼底镜图像的视网膜血管迂曲度计算方法，包括以下步骤： 步骤一：首先使用数字化眼底镜获取筛查人群的眼底图像； 步骤二：利用非下采样的离散小波变换对图像进行增强； 步骤三：然后视网膜灰度图像局部熵的纹理提取； 步骤四：然后利用模糊C聚类的方法对视网膜血管进行分割； 步骤五：对分割后的血管进行骨架化； 步骤六：计算骨架的拓扑层次； 步骤七：利用以下迂曲度计算模型对血管骨架每个层次进行迂曲度计算： 根据血管曲线的每个像素点的X，Y坐标作为输入值，利用协方差矩阵的迹和曲线的像 素点个数对血管迂曲度进行建模； 眼底血管待测曲线的每个像素点X，Y坐标为两个随机变量X和Y，根据协方差记为 Cov (X，Y)定义： Cov (X, Y) = E {[X-E (X) ] [Y-E (Y) ]} 其中，E(X) = (XJX2+. · · Xn)/n ;E(Y) = (YJY2+. · · +Yn)/n称为rv(X，Y)的协方差矩阵，这里X，Y分别对应于待测血管曲线上的每个像 素的横纵坐标值； 迂曲度Tur定义： Tur = n2/ (Cn+C22) 该式中η为待测曲线上的像素点个数，即骨架化后图中像素点个数n，Cn+C2#该图骨 架化后所有像素点X，Y坐标值的协方差矩阵的迹。2. -种如权利要求1所述的基于眼底镜图像的视网膜血管迂曲度计算方法在糖尿病 早期计算机筛查模型或系统中的应用。
【专利摘要】本发明属于医学图像处理及应用领域，提供了一种基于眼底镜图像的视网膜血管迂曲度计算方法及其应用。本发明首先使用数字化眼底镜获取筛查人群的眼底图像，再利用非下采样的离散小波变换(UDWT)对图像进行增强；然后视网膜灰度图像局部熵的纹理提取，利用模糊C聚类(FCM)的方法对视网膜血管进行分割；最后对分割后的血管进行骨架化，并计算骨架的拓扑层次，并用本发明的迂曲度计算模型对血管骨架进行迂曲度计算。本发明的方法实施简单，精度可靠，便于临床应用。
【IPC分类】G06T7/00
【公开号】CN104881862
【申请号】CN201510159636
【发明人】吴辉群, 董建成, 耿兴云, 张晓峰
【申请人】南通大学
【公开日】2015年9月2日
【申请日】2015年4月3日