基于眼前房角OCT影像质量分级的原发性闭角型青光眼辅助自动诊断研究

Glaucoma diagnosis based on medical images has been applied in clinic widely. Traditional AOD measurements from optical coherence tomography (OCT) are based on manual or semi-automatic methods, which are time consuming and also operator-dependent. To solve these problems, we proposed a hierarchical method used for primary angle closure glaucoma diagnosis in anterior chamber angle OCT images, which is based on image quality assessment. This project will focus in three main researches. Firstly, to resolve the problem of inconsistency between the objective and subjective image quality assessment in OCT image, a new objective non-reference OCT image quality assessment algorithm will be researched. It combines together on the basis of statistical model and human visual perception characteristics. Secondly, an advanced automatic measurement method of angle parameters based on Schwalbe’s line is presented. It can improve the measurement efficiency; guarantee the objectivity and stability of the measurement results, and the accuracy of the angle grading. Thirdly，an angle grading method is researched, which is based on the features in local point, local line and local region. It can grade the angle accurately, even in the image with poor quality. This project can improve the measurement accuracy and speed, and achieve the accurate grading for the angle. Also the angle grading performance can be improved even in the image with low signal-to-noise ratio.

基于医学图像的青光眼诊断在临床中有着广泛应用。为解决传统方法存在效率低下以及主观性影响较大等问题，本项目提出了基于图像质量评价的前房角光学断层扫描(OCT)影像中原发性闭角型青光眼分级自动诊断方法。主要研究内容包括：①将图像质量评价统计模型和人类视觉感知特性相结合，研究针对OCT图像质量的客观无参型评价方法，解决传统评价方法与主观评价间存在不一致的问题；②基于Schwalbe线自动检测的房角相关参数自动测量算法，以提高测量效率，保证测量结果的客观性和稳定性，以及对房角分级的准确性；③基于局部的点、线、面三种特征的房角分类方法，以确保在质量较差的图像中，也能对房角分类，为房角状态的评估提供新方法。通过本项目的研究，有望提高前房角关键参数的测量精度和速度，实现对房角的准确客观评级，为原发性闭角型青光眼的排查与诊治提供可供参考的客观评价准则。

基于医学图像的青光眼诊断在临床中有着广泛应用。为解决传统方法存在效率低下以及主观性影响较大等问题，本项目围绕基于图像质量评价的前房角光学断层扫描(OCT)影像中原发性闭角型青光眼分级自动诊断方法进行了研究。研究目标和主要成果为：(1)研究了三种对图像质量进行客观无参评价的方法， 包括利用分形维数作为评价参数、将传统的图像质量评价指标(对比度、模糊度和信噪比)与人眼视觉系统特性中的感兴趣作用原理、灰度敏感特性和对比度敏感曲线相融合的评估算法，以及将分形维数和复杂性测度结合得到的双参数评价模型；(2)研究了几种基于视通路视觉感知机制和神经元响应特性的图像边缘轮廓检测算法，例如基于主视通路层级响应模型的轮廓检测算法，结合对比度适应与侧抑制信息关联的轮廓检测算法，以及基于初级视通路视觉感知机制的轮廓检测算法等，从而为能进一步完成对前房角Schwalbe线的自动检测提供了算法支持；(3)为了实现对图像质量欠佳的前房角分级，对几种半监督算法进行了研究，算法包括基于图的安全半监督学习算法，基于正则化最小二乘法分类器泛化性能的提升的分类学习方法等。以上算法的实验结果均能够证明其准确性和有效性。本项目通过将非线性算法和人类视觉感知引入图像处理算法中，同时对半监督分类算法进行了研究，为眼部OCT图像中前房角的准确分级提供了可靠的算法支撑。这对于加深对医学图像处理与分析应用的理解，促进计算机辅助临床诊断的研究和提高对闭角型青光眼的早期诊断具有重要意义。