APP下载

基于数字图像特征的角膜混浊度分类模型

2021-08-07罗鹏郑吉龙周鹏张勇德常世杰沙宪政

中国医疗器械杂志 2021年4期
关键词:分类特征模型

罗鹏,郑吉龙,周鹏,张勇德,常世杰,沙宪政

1 中国医科大学 生物医学工程系,沈阳市,110122

2 中国刑事警察学院 法医学系,沈阳市,110035

0 引言

角膜混浊是一种常见的眼部疾病,是我国致盲的主要眼病之一[1]。一般认为,角膜混浊的形成与角膜胶原纤维组织结构、蛋白多糖水合作用、基质离子溶度调节以及内皮细胞功能这4种因素的变化有关[2]。角膜混浊度反应了角膜的透明程度,在图像上表现为虹膜与瞳孔的清晰程度,当角膜受损或感染后,会在角膜组织上形成一些混浊病变[3]。虽然肉眼观察个体角膜混浊程度变化的做法由来已久,但由于主观性较强且缺乏量化指标等容易导致实际推断误差较大[4]。因此医学上希望探索角膜混浊度的客观量化与自动分类的方法,以便客观地判断分析角膜混浊。近年来,针对角膜混浊度的客观量化,有研究[5]提取个体角膜混浊图像特征构建分类模型,但由于采集的图像质量差,提取特征少等原因导致构建的SVM多分类模型准确率不高。还有研究[6]通过数字图像处理技术量化个体角膜图像的颜色变化并进行回归分析,但忽略了角膜图像的纹理特征变化可能对精确量化角膜混浊程度的影响。本研究为实现角膜混浊度的客观量化,采集不同混浊程度的角膜数字图像,提取图像部分颜色特征和纹理特征,建立SVM多分类模型实现了对角膜混浊度的自动分类,并对提取的特征参数进行选择从而优化模型。

1 材料与方法

1.1 材料

采集两只雄性家猪死后的左眼角膜图像,角膜混浊变化均符合规律,所用猪购自阜新伟嘉畜牧科技发展有限公司,2月龄,体重20 kg,猪健康且眼部无疾病。……

登录APP查看全文

猜你喜欢

分类特征模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
教你一招:数的分类
3D打印中的模型分割与打包
线性代数的应用特征