本發(fā)明涉及醫(yī)療設(shè)備領(lǐng)域，更具體地，涉及一種角膜受損智能診斷系統(tǒng)。

背景技術(shù)：

隨著技術(shù)的發(fā)展，收集、整合、分析醫(yī)學(xué)大數(shù)據(jù)成為推進(jìn)醫(yī)學(xué)研究和提高疾病診斷和治療率的新方向。對于眼科疾病，早發(fā)現(xiàn)、早治療極為重要，而且低成本的自動篩選系統(tǒng)能夠極大程度地幫助患者并有助合理利用預(yù)先的醫(yī)療資源。近年來，國內(nèi)外很多團(tuán)隊嘗試用醫(yī)學(xué)圖像方法來攻克眼科疾病的診治。傳統(tǒng)眼表圖像分析技術(shù)存在著很大的局限性，如何建立更有效更精準(zhǔn)的圖像分析方式已經(jīng)成為研究的熱點。目前，對于角膜潰爛疾病的研究，國內(nèi)醫(yī)生主要借助于角膜熒光素染色形成明顯的顏色差別來判斷健康區(qū)域和受損區(qū)域，但是人眼的判別總是存在誤差而且受到相應(yīng)主觀因素的影響。在角膜的醫(yī)學(xué)臨床應(yīng)用中也存在利用photoshop圖像處理軟件對損傷面積的進(jìn)行定量分析的方法。但是這一方法，大量依賴于人工的手動操作，不僅費時，而且無法保證實時性。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)進(jìn)行定量分析時費時費力的缺陷，本發(fā)明提供了一種角膜受損智能診斷系統(tǒng)，有效地提高角膜受損的診斷質(zhì)量與效率。

為實現(xiàn)以上發(fā)明目的，采用的技術(shù)方案是：

一種角膜受損智能診斷系統(tǒng)，包括：

用于采集患者角膜熒光染色圖像的圖像采集模塊；

用于在采集的角膜染色圖像中提取角膜區(qū)域的角膜區(qū)域提取模塊；

用于對提取的角膜區(qū)域進(jìn)行前期處理的前期處理模塊；

用于對經(jīng)過前期處理的角膜區(qū)域進(jìn)行受損區(qū)域提取的角膜受損區(qū)域提取模塊；

用于對提取的受損區(qū)域進(jìn)行受損特征提取的特征提取模塊；

用于根據(jù)提取的受損特征進(jìn)行受損分級及分類，然后給出對應(yīng)的診療意見的診療模塊。

優(yōu)選地，所述圖像采集模塊為照相機(jī)，所述照相機(jī)在裂隙燈的鈷藍(lán)光下進(jìn)行患者角膜熒光染色圖像的采集。

優(yōu)選地，所述在采集得到患者角膜熒光染色圖像后，采用手動標(biāo)示的方式在角膜的最左端點、最右端點、最上端點、最下端點進(jìn)行標(biāo)示，所述角膜區(qū)域提取模塊根據(jù)標(biāo)示的四個端點確定角膜所在的橢圓區(qū)域，然后在角膜染色圖像中對橢圓區(qū)域進(jìn)行扣?。凰隹廴〉臋E圓區(qū)域即為角膜區(qū)域。

優(yōu)選地，所述前期處理模塊對角膜區(qū)域進(jìn)行前期處理具體包括以下步驟：

(1)選用卷積濾波算法對角膜區(qū)域進(jìn)行去噪濾波；

(2)將經(jīng)歷過去噪濾波的角膜區(qū)域從rgb轉(zhuǎn)化到lab彩色空間。

優(yōu)選地，所述角膜受損區(qū)域提取模塊對角膜區(qū)域進(jìn)行受損區(qū)域提取的具體過如下：

(1)利用k-means聚類分割方法和自定義判定算法從角膜區(qū)域中提取出顏色特征符合角膜潰爛顏色特征的區(qū)域，然后對提取的區(qū)域進(jìn)行輸出；

(2)醫(yī)生通過醫(yī)學(xué)經(jīng)驗確定區(qū)域生長的起始點，然后利用區(qū)域生長的圖像分割算法在步驟(1)提取的區(qū)域中選取出符合角膜受損特征的區(qū)域；選取出的區(qū)域即為受損區(qū)域。

優(yōu)選地，所述利用k-means聚類分割方法和自定義判定算法提取區(qū)域的具體過程如下：

(1)提取出角膜區(qū)域lab彩色空間的a分量和b分量，進(jìn)行k-means聚類分割；經(jīng)過k-means聚類分割后得到兩張圖片；

(2)設(shè)計一個自定義判定算法分別讀取兩張圖片的rgb通道信息中的g通道信息，然后分別計算兩張圖片中g(shù)值大于200的像素點的個數(shù)，選擇兩張圖片中g(shù)值大于200的像素點個數(shù)較多的圖片進(jìn)行步驟(3)；

(3)對選擇的圖片進(jìn)行k-means聚類分割，經(jīng)過k-means聚類分割后得到兩張圖片；

(4)設(shè)計一個自定義判定算法計算兩張圖片中的白色像素點的個數(shù)，若其中一張圖片的白色像素點的個數(shù)為0，則選擇這張圖片進(jìn)行區(qū)域的提取，否則選擇白色像素點較少的圖片進(jìn)行區(qū)域的提取。

優(yōu)選地，所述特征提取模塊對受損區(qū)域提取的具體特征有：受損面積、受損面積占對應(yīng)角膜面積的百分比、顏色rgb分布直方圖。

優(yōu)選地，所述診療模塊根據(jù)受損特征進(jìn)行受損分級的具體依據(jù)如下：

受損面積＜角膜區(qū)域30％的面積，則確認(rèn)受損級別為輕度；

角膜區(qū)域30％的面積≤受損面積≤角膜區(qū)域60％的面積，則確認(rèn)受損級別為中度；

受損面積＞角膜區(qū)域60％的面積，則確認(rèn)受損級別為重度。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

本發(fā)明提供的系統(tǒng)通過圖像處理技術(shù)與專家意見來進(jìn)行角膜受損的智能診斷，其診斷的效率與現(xiàn)有技術(shù)相比得到了提高，且能夠有效的解決現(xiàn)有技術(shù)對角膜受損分析不夠精準(zhǔn)量化的問題，提高醫(yī)療服務(wù)質(zhì)量與效率。

附圖說明

圖1為系統(tǒng)的工作流程圖。

圖2為提取角膜區(qū)域的示意圖。

圖3為利用k-means聚類分割方法和自定義判定算法提取區(qū)域的示意圖。

具體實施方式

附圖僅用于示例性說明，不能理解為對本專利的限制；

以下結(jié)合附圖和實施例對本發(fā)明做進(jìn)一步的闡述。

實施例1

本發(fā)明提供的智能診斷系統(tǒng)主要包括圖像采集模塊、角膜區(qū)域提取模塊、前期處理模塊、角膜受損區(qū)域提取模塊、特征提取模塊和診療模塊，其中，圖像采集模塊用于采集患者角膜熒光染色圖像，角膜區(qū)域提取模塊用于在采集的角膜染色圖像中提取角膜區(qū)域，前期處理模塊用于對提取的角膜區(qū)域進(jìn)行前期處理，角膜受損區(qū)域提取模塊用于對經(jīng)過前期處理的角膜區(qū)域進(jìn)行受損區(qū)域提取，特征提取模塊用于對提取的受損區(qū)域進(jìn)行受損特征提取，診療模塊用于根據(jù)提取的受損特征進(jìn)行受損分級及分類，然后給出對應(yīng)的診療意見。其具體的工作流程如圖1所示。

在具體的實施過程中，所述圖像采集模塊為照相機(jī)，所述照相機(jī)在裂隙燈的鈷藍(lán)光下進(jìn)行患者角膜熒光染色圖像的采集。

在具體的實施過程中，所述在采集得到患者角膜熒光染色圖像后，采用手動標(biāo)示的方式在角膜的最左端點、最右端點、最上端點、最下端點進(jìn)行標(biāo)示，所述角膜區(qū)域提取模塊根據(jù)標(biāo)示的四個端點確定角膜所在的橢圓區(qū)域，然后在角膜染色圖像中對橢圓區(qū)域進(jìn)行扣?。凰隹廴〉臋E圓區(qū)域即為角膜區(qū)域。具體如圖2所示。

在具體的實施過程中，所述前期處理模塊對角膜區(qū)域進(jìn)行前期處理具體包括以下步驟：

(1)選用卷積濾波算法對角膜區(qū)域進(jìn)行去噪濾波；

(2)將經(jīng)歷過去噪濾波的角膜區(qū)域從rgb轉(zhuǎn)化到lab彩色空間。

在具體的實施過程中，所述角膜受損區(qū)域提取模塊對角膜區(qū)域進(jìn)行受損區(qū)域提取的具體過如下：

(1)利用k-means聚類分割方法和自定義判定算法從角膜區(qū)域中提取出顏色特征符合角膜潰爛顏色特征的區(qū)域，然后對提取的區(qū)域進(jìn)行輸出；

(2)醫(yī)生通過醫(yī)學(xué)經(jīng)驗確定區(qū)域生長的起始點，然后利用區(qū)域生長的圖像分割算法在步驟(1)提取的區(qū)域中選取出符合角膜受損特征的區(qū)域；選取出的區(qū)域即為受損區(qū)域。

在具體的實施過程中，所述利用k-means聚類分割方法和自定義判定算法提取區(qū)域的具體過程如下：

(1)提取出角膜區(qū)域lab彩色空間的a分量和b分量，進(jìn)行k-means聚類分割；經(jīng)過k-means聚類分割后得到兩張圖片；

(2)設(shè)計一個自定義判定算法分別讀取兩張圖片的rgb通道信息中的g通道信息，然后分別計算兩張圖片中g(shù)值大于200的像素點的個數(shù)，選擇兩張圖片中g(shù)值大于200的像素點個數(shù)較多的圖片進(jìn)行步驟(3)；

(3)對選擇的圖片進(jìn)行k-means聚類分割，經(jīng)過k-means聚類分割后得到兩張圖片；

(4)設(shè)計一個自定義判定算法計算兩張圖片中的白色像素點的個數(shù)，若其中一張圖片的白色像素點的個數(shù)為0，則選擇這張圖片進(jìn)行區(qū)域的提取，否則選擇白色像素點較少的圖片進(jìn)行區(qū)域的提取。具體如圖3所示。

在具體的實施過程中，所述特征提取模塊對受損區(qū)域提取的具體特征有：受損面積、受損面積占對應(yīng)角膜面積的百分比、顏色rgb分布直方圖。

在具體的實施過程中，所述診療模塊根據(jù)受損特征進(jìn)行受損分級的具體依據(jù)如下：

受損面積＜角膜區(qū)域30％的面積，則確認(rèn)受損級別為輕度；

角膜區(qū)域30％的面積≤受損面積≤角膜區(qū)域60％的面積，則確認(rèn)受損級別為中度；

受損面積＞角膜區(qū)域60％的面積，則確認(rèn)受損級別為重度。

顯然，本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明的實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明權(quán)利要求的保護(hù)范圍之內(nèi)。