基于rx异常探测和纹理分析的真菌性角膜炎图像识别方法
【技术领域】
[0001]本发明属于图像处理技术领域，尤其涉及一种基于RX异常探测和纹理分析的真菌性角膜炎图像识别方法。
【背景技术】
[0002]真菌性角膜炎是一种由致病真菌引起的致盲率极高的感染性角膜疾病，由于发展迅速，极易造成角膜穿孔、前房积脓、眼内炎等严重后果，因而危害极重，对本病的早期诊断和治疗显得尤为重要。共焦显微镜是一种新型、无创伤性角膜影像学检查仪器，它可以在活体上对角膜从四维(三维空间和时间)水平进行扫描成像，并提供高清晰度和放大倍率的角膜各层面图像，使人们可以从细胞水平上对活体角膜的病理生理进行直接观察研宄。
[0003]共焦显微镜获取图像方法:患眼用0.4%盐酸丁氧普鲁卡因液滴眼2次，开睑器开睑，患者的下颁及前额固定在显微镜上的检查托架上。在40倍水浸式圆锥状物镜(achroplan 400.75W)表面涂等张的人工泪液(Vidisic-Gel)，将镜头轻缓前移，使表面的人工泪液与角膜病变处接触，镜头与角膜之间的距离为2mm。将镜头缓缓前移，角膜各层的扫描图像即可通过电脑显示器快速显示，图像同时被S-VHS录像机记录，检查结束后慢放录像，仔细分镜头重复检查，选定较为清晰的图像存入计算机。
[0004]在正常角膜的眼底图像中，只有神经的存在，所以我们用共焦显微镜诊断真菌性角膜炎主要是以观察到菌丝为依据。真菌性角膜炎患者的眼底图像中，菌丝和角膜基质神经是共同存在的，直长的线状菌丝很容易与角膜基质神经相混淆。菌丝是在相对暗的背景下呈较亮的线状形态，多数可见菌丝的分隔，弥漫分布，相互交织，角膜上皮下的神经分布有一定规律，多呈三叉或Y形分支，其走形方向一致、有序，神经间不形成相互交错。
[0005]目前采集的图像包含单纯的菌丝图像，正常角膜神经图像，以及真菌性角膜炎患者的眼底图像。大量的医学图像造成了两个问题:一方面，阅读病人的检查影像成为医生的一项非常繁重的工作，由于长时间判读图像，使医生容易疲劳和分心，从而造成诊断正确率的下降；另一方面，仅凭借医生自身的经验很难保证不会出现漏诊和误诊的情况，并且很难对影像资料进行一致的定量分析，而对医学图像的定量分析是医学影像学发展的必然要求。在此背景下，医学图像处理与分析技术在医学影像学中的地位就显得越来越重要。所谓医学图像处理与分析就是借助计算机这一工具，根据临床特定的需要利用数学的方法对医学图像进行各种加工和处理，以便为临床提供更多的诊断信息或数据。例如，对于对比度不理想和信噪比不高的图像，利用图像增强和滤波的方法改变图像的对比度，提高图像的信噪比，从而提供给医生较高质量的图像，以便于医生对图像的判读；对于由先进的医学影像设备产生的大量医学图像数据，可以先由计算机进行图像处理后，把可疑的病灶全部标记出来，然后再由医生对标记出来的可疑病灶进行判读。这样可以节省放射科医生大量的读片时间，使他们得以把注意力集中在可疑病灶上，从而为正确诊断奠定基础，这就是目前在医学影像学领域得到广泛关注并发展迅速的医学图像计算机辅助诊断技术。
[0006]在真菌性角膜炎的实例中，如何利用单纯的菌丝图像和神经图像，分别提取菌丝和神经的特征来训练分类器，实现对真菌性角膜炎患者眼底图像中菌丝和神经的分类是一个主要的任务。在获取的图像中，由于背景的干扰十分严重，不能直接进行有效的特征提取，因此需要对图像进行预处理。传统的图像预处理方法例如亮度变换，空间滤波，直方图处理等方法的表现并不是很好，不能十分有效的去除背景的干扰。如何有效的去除背景干扰并利用菌丝和神经形态学上的差异来区别它们是一个值得研宄的问题。
【发明内容】
[0007]本发明的目的就是为了解决上述问题，提供一种基于RX异常探测和纹理分析的真菌性角膜炎图像识别方法，它具有识别率高的优点。
[0008]为了实现上述目的，本发明采用如下技术方案:
[0009]基于RX异常探测和纹理分析的真菌性角膜炎图像识别方法，包括:
[0010]步骤(I):获取正常角膜神经图像和只包含菌丝的菌丝图像作为训练样本；获取真菌性角膜炎患者的眼底图象作为测试样本；
[0011]步骤(2):所述步骤(2)包括并发进行的步骤(2-1)、步骤(2-2)和步骤(2_3);
[0012]步骤(2-1):对训练样本中的正常角膜神经图像进行预处理、特征提取和特征融合，得到训练样本融合后的神经特征；
[0013]步骤(2-2):对训练样本中的只包含菌丝的菌丝图像进行预处理、特征提取和特征融合，得到训练样本融合后的菌丝特征；
[0014]步骤(2-3):对测试样本进行预处理、特征提取和特征融合，得到测试样本融合后的神经特征和测试样本融合后的菌丝特征；
[0015]步骤(3):
[0016]通过计算测试样本融合后的神经特征与训练样本融合后的神经特征之间的欧式距离，识别测试样本中的神经；
[0017]通过计算测试样本融合后的菌丝特征与训练样本融合后的菌丝特征之间的欧式距离，识别测试样本中的菌丝。
[0018]所述步骤(2-1)的步骤如下:
[0019]采用RX异常探测算法对训练样本中的正常角膜神经图像进行预处理，从预处理后的训练样本中分别提取训练样本的神经长度特征、训练样本的神经形状特征和训练样本的神经纹理特征，并将训练样本的神经长度特征、训练样本的神经形状特征和训练样本的神经纹理特征进行特征融合，得到训练样本融合后的神经特征。
[0020]所述步骤(2-2)的步骤如下:
[0021]采用RX异常探测算法对训练样本中的只包含菌丝的菌丝图像进行预处理，从预处理后的训练样本中分别提取训练样本的菌丝长度特征、训练样本的菌丝形状特征和训练样本的菌丝纹理特征，并将训练样本的菌丝长度特征、训练样本的菌丝形状特征和训练样本的菌丝纹理特征进行特征融合，得到训练样本融合后的菌丝特征。
[0022]所述步骤(2-3)的步骤如下:
[0023]采用RX异常探测算法对步骤(I)的测试样本进行预处理，从预处理后的测试样本中分别提取测试样本的菌丝长度特征、测试样本的神经长度特征、测试样本的神经形状特征、测试样本的菌丝形状特征、测试样本的神经纹理特征和测试样本的菌丝纹理特征；
[0024]对提取的测试样本的神经长度特征、测试样本的神经形状特征和测试样本的神经纹理特征进行特征融合，得到测试样本融合后的神经特征；
[0025]对提取的测试样本的菌丝长度特征、测试样本的菌丝形状特征和测试样本的菌丝纹理特征进行特征融合，得到测试样本融合后的菌丝特征。
[0026]所述步骤(2-1)的具体过程为:
[0027]步骤(2-1-1):采用RX异常探测算法对训练样本中的正常角膜神经图像进行预处理，去除训练样本中的背景干扰信息；
[0028]步骤(2-1-2):对预处理后的训练样本进行二值化处理，对二值化处理后的图像进行膨胀腐蚀的处理，对膨胀腐蚀处理后的图像提取神