基于小波分解金字塔的OCT图像特征提取算法 |
| |
作者单位: | 上海理工大学教育部微创医疗器械工程研究中心生物医学光学与视光学研究所,上海200093;上海奥普生物医药有限公司,上海201201 |
| |
基金项目: | 国家自然科学基金;上海市自然科学基金;上海市科委产学研医项目 |
| |
摘 要: | 糖尿病性黄斑水肿(DME)是导致失明的主要原因之一,由专业的医生通过检查光学相干扫描(OCT)图像是主要的诊断方法,但这一过程不仅耗时而且容易误判,提出一种辅助诊断模型来区分DME和正常黄斑。对原始OCT图像进行降噪、展平、裁剪预处理,得到易于分类的病灶区图像,在小波分解金字塔模型的基础上用局部二值模式方法对原图和低频子图像提取纹理特征;与提取细节图像的灰度-梯度共生矩阵特征融合形成最终的全局特征,并对其进行降维;用weka平台的序列最小优化模型进行分类。在杜克大学数据集和临床数据集上的试验结果表明,算法在两个数据集上验证的准确率分别为95.7%、95.3%,灵敏性分别为95.3%、95.5%,特异度分别为96.0%、95.1%。因此,所提方法能有效对OCT图像分类,为临床上视网膜疾病辅助诊断提供技术支撑。
|
关 键 词: | 光学相干层析成像 糖尿病性黄斑水肿 局部二值模式 灰度-梯度共生矩阵 特征提取 分类 |
Feature extraction algorithm of OCT image based on wavelet decomposition pyramid |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|