一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法[发明专利]

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 202011050703.7
(22)申请日 2020.09.29
(71)申请人 宁波工程学院
地址 315000 浙江省宁波市海曙区翠柏路
89号
(72)发明人 高巍　
(74)专利代理机构 南京思拓知识产权代理事务
所(普通合伙) 32288
代理人 苗建
(51)Int.Cl.
G06K 9/62(2006.01)
G06T 5/00(2006.01)
(54)发明名称一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法(57)摘要本发明公开了一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其包括：(1)由OCT装置采集皮肤癌图像将OCT图像中的强度归一化为[0，1]；(2)通过降噪处理对OCT图像进行降噪；(3)提取光学强度特性参数；(4)计算得出已标记的样本的各参数离散值，然后通过数理统计方法，获取已标记对照组中各特性参数的差异性及ROC分析，得出边界值；(5)再计算得出未知样本的各参数离散值，并与步骤四中的边界值进行比较，然后根据比较的结果，将未知样本进行分类。

本发明可以快速准确的判断出正常皮肤组织，黑色素瘤和黑色素痣；避免了通过皮肤活检的侵入性方法，
给患者带来的不适和创伤。

权利要求书2页 说明书4页 附图1页CN 112116027 A 2020.12.22
C N 112116027
A
1.一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其特征在于包括以下步骤：
步骤一，由OCT装置采集样本图像；
步骤二，将OCT图像中的强度归一化为[0，1]；
步骤三，通过降噪处理对OCT图像进行降噪；
步骤四，提取光学强度特性参数；
步骤五，通过步骤四得出已标记的样本的各参数离散值，然后通过数理统计方法，获取已标记对照组中各特性参数的差异性及ROC分析，得出边界值；
步骤六，通过步骤四得出未知样本的各参数离散值，并与步骤四中的边界值进行比较，然后根据比较的结果，将未知样本进行分类。

2.根据权利要求1所述的一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其特征在于，所述降噪包括消从所有OCT图像中消除背景噪声和去从每个OCT图像中去除斑点噪声。

3.根据权利要求2所述的一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其特征在于，在每个OCT图像的顶部边缘的每个OCT图像中选择一个大小固定的小区域，然后计算该区域中的平均强度值，并将其视为背景噪声，然后，通过从原始OCT图像中减去背景噪声来获得经过噪声过滤的OCT图像。

4.根据权利要求2所述的一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其特征在于，采用间隔II型模糊各向异性扩散滤波器消除OCT图像的斑点噪声，即通过将各向异性扩散滤波器和间隔II型模糊系统结合起来有效改善信噪比。

5.根据权利要求1所述的一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其特征在于，所述的提取光学强度特性参数，以灰度值进行计算，包括从OCT图像中提取的均值(I mean)，中位数(I median)，方差(I variance)，偏度(I skewness)和峰度值(I kurtosis)，其大小等于m×n；并且各参数的计算表达方程式如下：
I median＝median[I i,j,(i＝0...m,j＝0...n)]， (2)
I i,j表示(i，j)坐标上的灰度值。

6.根据权利要求1所述的一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其特征在于，所述的提取光学强度特性参数，以梯度值进行计算，包括从OCT图像中提取的均值(G mean)，中位数(G median)，方差(G variance)，偏度(G skewness)和峰度值(G kurtosis)，其大小等于m×n；并且各参数的计算表达方程式如下：
G median＝median[G i,j,(i＝0...m,j＝0...n)]， (7)
G i,j表示(i，j)坐标上的梯度值。

7.根据权利要求6所述的一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其特征在于，计算梯度的表达式为：
8.根据权利要求1所述的一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其特征在于，对未知样本的分类中：
Imean小于0.0203是黑色素瘤和痣，进一步小于-0.0102是黑色素瘤；
Imedian小于0.0065是黑色素瘤和痣，进一步小于-0.0332是黑色素瘤；
Iskewness小于3.0250是黑色素瘤和痣，进一步小于2.1073是黑色素瘤；
Ikurtosis小于18.1087是黑色素瘤和痣，进一步小于10.6763是黑色素瘤；
Gmean小于0.0122是黑色素瘤和痣，进一步小于0.0120是黑色素瘤；
Gskewness小于2.6239是黑色素瘤和痣，进一步小于1.8617是黑色素痣；
Gkurtosis小于16.5289是黑色素瘤和痣，进一步小于8.6914是黑色素痣；
以上条件至少满足一个即可。

一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法
技术领域
[0001]本发明涉及一种基于光学相干断层(OCT)成像图像的光学强度及梯度的皮肤癌分类方法，属于生物医学图像处理领域。

背景技术
[0002]皮肤癌是全世界最常见的癌症之一。

根据世界卫生组织的数据，每年诊断出超过200万例皮肤癌病例。

在临床中，皮肤活检是诊断皮肤癌的金标准。

但是，皮肤活检是一种侵入性方法，可能会导致患者不适。

因此，已经采取了非侵入性方法来消除活检在皮肤癌诊断中的缺点，包括皮肤镜检查，共聚焦显微镜，拉曼光谱和光学相干断层扫描(OCT)。

这些模式能够生成图像，以帮助皮肤科医生诊断不同类型的皮肤疾病。

皮肤镜检查不仅可以对皮肤进行视觉检查，而且还构成了一种数字方法，该方法可以通过收集上层皮肤的可见光范围内的辐射来估计皮肤表面的不均匀性。

拉曼光谱使我们能够检测皮肤化学成分的变化；这些变化可能与皮肤癌的发病机制有关。

最后，OCT通过可视化折射率变化的位置，允许在深部区域生成和评估横截面肿瘤图像。

在数字成像方式中，OCT可以无创地在生物组织内部生成横截面图像。

OCT最初用于根据视网膜组织的重建图像检测人眼疾病。

1997年，使用OCT检测并评估了皮肤组织。

用OCT评估皮肤组织建立了一个新的重要研究方向，可以观察皮肤组织的形态变化。

例如，OCT能够以非侵入性的方式观察烧伤创面，从而减少了侵入性手术带来的疼痛和不适。

[0003]OCT图像中基于强度和梯度的参数可以编码与皮肤组织有关的信息。

在文献中，进行了许多研究以通过使用基于强度的特征或基于梯度的特征对患病皮肤组织进行分类。

很少有研究同时使用基于强度和基于梯度的特征。

然而，基于强度和基于梯度的特征之间可能存在一致性，这可能揭示出用于对患病皮肤组织进行分类的通用模式。

因此，在这项研究中，我们使用了基于强度和梯度的特征对皮肤组织进行分类。

发明内容
[0004]本发明的目的在于提供一种基于光学相干断层成像图像的光学强度及梯度的皮肤癌分类方法。

[0005]本发明采取的技术方案是：一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，其包括以下步骤：
[0006]步骤一，由OCT装置采集样本图像；
[0007]步骤二，将OCT图像中的强度归一化为[0，1]；
[0008]步骤三，通过降噪处理对OCT图像进行降噪；
[0009]步骤四，提取光学强度特性参数；
[0010]步骤五，通过步骤四得出已标记的样本的各参数离散值，然后通过数理统计方法，获取已标记对照组中各特性参数的差异性及ROC分析，得出边界值；
[0011]步骤六，通过步骤四得出未知样本的各参数离散值，并与步骤四中的边界值进行
比较，然后根据比较的结果，将未知样本进行分类。

[0012]进一步的，所述降噪包括消从所有OCT图像中消除背景噪声和去从每个OCT图像中去除斑点噪声。

[0013]进一步的，在每个OCT图像的顶部边缘的每个OCT图像中选择一个大小固定的小区域，然后计算该区域中的平均强度值，并将其视为背景噪声，然后，通过从原始OCT图像中减去背景噪声来获得经过噪声过滤的OCT图像。

[0014]进一步的，采用间隔II型模糊各向异性扩散滤波器消除OCT图像的斑点噪声，即通过将各向异性扩散滤波器和间隔II型模糊系统结合起来有效改善信噪比。

[0015]进一步的，所述的提取光学强度特性参数，以灰度值进行计算，包括从OCT图像中提取的均值(I mean)，中位数(I median)，方差(I variance)，偏度(I skewness)和峰度值(I kurtosis)，其大小等于m×n；并且各参数的计算表达方程式如下：
[0016]
[0017]I median＝median[I i,j,(i＝0...m,j＝0...n)]， (2)
[0018]
[0019]
[0020]
[0021]I i,j表示(i，j)坐标上的灰度值。

[0022]进一步的，所述的提取光学强度特性参数，以梯度值进行计算，包括从OCT图像中提取的均值(G mean)，中位数(G median)，方差(G variance)，偏度(G skewness)和峰度值(G kurtosis)，其大小等于m×n；并且各参数的计算表达方程式如下：
[0023]
[0024]G median＝median[G i,j,(i＝0...m,j＝0...n)]， (7)
[0025]
[0026]
[0027]
[0028]G i,j表示(i，j)坐标上的梯度值。

[0029]进一步的，计算梯度的表达式为：
[0030]
[0031]进一步的，对未知样本的分类中：
[0032]Imean小于0.0203是黑色素瘤和痣，进一步小于-0.0102是黑色素瘤；
[0033]Imedian小于0.0065是黑色素瘤和痣，进一步小于-0.0332是黑色素瘤；
[0034]Iskewness小于3.0250是黑色素瘤和痣，进一步小于2.1073是黑色素瘤；[0035]Ikurtosis小于18.1087是黑色素瘤和痣，进一步小于10.6763是黑色素瘤；[0036]Gmean小于0.0122是黑色素瘤和痣，进一步小于0.0120是黑色素瘤；
[0037]Gskewness小于2.6239是黑色素瘤和痣，进一步小于1.8617是黑色素痣；[0038]Gkurtosis小于16.5289是黑色素瘤和痣，进一步小于8.6914是黑色素痣；[0039]以上条件至少满足一个即可。

[0040]本发明的有益效果是：本发明可以快速准确的判断出正常皮肤组织，黑色素瘤和黑色素痣；避免了通过皮肤活检的侵入性方法，给患者带来的不适和创伤。

附图说明
[0041]图1是本发明的流程图。

具体实施方式
[0042]下面结合附图和具体实施例对本发明进行详细说明。

[0043]一种基于OCT成像图像的光学强度及梯度的皮肤癌分类方法，该方法包括：[0044]首先，将OCT图像中的强度归一化为[0，1]。

[0045]其次，从所有OCT图像中消除了背景噪声。

背景噪声是除受监视的光以外的任何光。

背景噪声类型包括环境光(例如太阳光线)和实验室中的照明光。

在图像噪声去除领域中，防止或减少背景噪声很重要。

本专利中，使用了一种简单的方法来消除背景噪音。

我们在每个OCT图像的顶部边缘的每个OCT图像中选择一个大小固定的小区域。

然后计算该区域中的平均强度值，并将其视为背景噪声。

然后，通过从原始OCT图像中减去背景噪声来获得经过噪声过滤的OCT图像。

[0046]再次，从每个OCT图像中去除斑点噪声。

斑点噪声在OCT图像中形成颗粒状斑点图案，使低强度区域和小特征模糊不清，引起模糊，并改变了OCT图像对比度。

因此，变得不可能从OCT图像获得准确的基于强度的特征。

为了从OCT图像中去除斑点噪声，可以采用多种技术，例如中值滤波，相域处理方法和各向异性扩散滤波。

在本专利中，采用间隔II型模糊各向异性扩散滤波器消除了OCT图像的斑点噪声，因为它可以通过将各向异性扩散滤波器和间隔II型模糊系统结合起来有效地改善信噪比。

[0047]然后，进行特征提取，包括以灰度值进行计算和以梯度值进行计算。

[0048]在以灰度值进行计算中，从OCT图像中提取的均值(I mean)，中位数(I median)，方差(I variance)，偏度(I skewness)和峰度值(I kurtosis)，其大小等于m×n；并且各参数的计算表达方程式如下：
[0049]
[0050]I median＝median[I i,j,(i＝0...m,j＝0...n)]， (2)
[0051]
[0052]
[0053]
[0054]I i,j表示(i，j)坐标上的灰度值。

[0055]在以梯度值进行计算中，从OCT图像中提取的均值(G mean)，中位数(G median)，方差(G variance)，偏度(G skewness)和峰度值(G kurtosis)，其大小等于m×n；并且各参数的计算表达方程式如下：
[0056]
[0057]G median＝median[G i,j,(i＝0...m,j＝0...n)]， (7)
[0058]
[0059]
[0060]
[0061]G i,j表示(i，j)坐标上的梯度值。

[0062]其中，计算梯度的表达式为：
[0063]
[0064]通过上述计算得出已标记的样本的各参数离散值，然后通过数理统计方法，获取已标记对照组中各特性参数的差异性及ROC分析，得出边界值；再通过上述计算得出未知样本的各参数离散值，并与边界值进行比较，然后根据比较的结果，将未知样本进行分类。

[0065]在对未知样本的分类中：
[0066]Imean小于0.0203是黑色素瘤和痣，进一步小于-0.0102是黑色素瘤；
[0067]Imedian小于0.0065是黑色素瘤和痣，进一步小于-0.0332是黑色素瘤；[0068]Iskewness小于3.0250是黑色素瘤和痣，进一步小于2.1073是黑色素瘤；[0069]Ikurtosis小于18.1087是黑色素瘤和痣，进一步小于10.6763是黑色素瘤；[0070]Gmean小于0.0122是黑色素瘤和痣，进一步小于0.0120是黑色素瘤；
[0071]Gskewness小于2.6239是黑色素瘤和痣，进一步小于1.8617是黑色素痣；[0072]Gkurtosis小于16.5289是黑色素瘤和痣，进一步小于8.6914是黑色素痣；[0073]以上条件至少满足一个即可。

[0074]在本方法中，对上述提取的特征进行的统计分析，以识别皮肤组织类别之间的差异。

研究组之间基于强度的参数的差异通过方差分析(ANOVA)进行了检验，然后进行了Newman–Keuls事后分析。

p≤0.001的值被认为具有统计学意义。

此外，利用接收机工作特性(ROC)分析来确定基于强度的参数的区分能力。

计算了ROC(AUROC)曲线下的面积。

等于1.0的AUROC表示完美的判别能力，而值为0.50的AUROC则表示没有判别能力。

[0075]以上显示和描述了本发明的基本原理、主要特征和优点。

本领域的普通技术人员应该了解，上述实施例不以任何形式限制本发明的保护范围，凡采用等同替换等方式所获得的技术方案，均落于本发明的保护范围内。

[0076]本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

图1。