第23卷第1O期2015年1O月光学精密工程OpticsandPrecisionEngineeringVo1．23No．10文章编号1004—924X(2015)10—2919—08正常角膜和圆锥角膜的特征提取余锦华，季春红，李添捷。，田磊，黄一飞，汪源源，郑永平。(1．复旦大学电子工程系，上海200433；2．医学影像计算及计算机协助介入重点实验室上海200433；3．香港理工大学跨学科生物医学工程部门，香港；4．首都医科大学附属北京同仁医院北京市眼科研究所，北京100005；5．中国人民解放军总医院眼科系，北京100853)摘要：基于角膜测量仪器CorvisST采集的图像视频，提出提取新特征参数以便准确区分正常角膜和圆锥角膜。首先对图像进行滤波、分割等预处理，检测角膜上下边界，并计算前角膜曲率值；用小波变换分析角膜曲率变化，获取与角膜运动趋势相关的特征，包括角膜运动的整体趋势和角膜振动的范数和标准差。然后，基于均方误差最小化法，提取特征参数，构建最优参数。最后，用支持向量机(SVM)对正常角膜和圆锥角膜进行分类。从频率的角度实施的实验显示角膜在基本运动趋势上存在着振动过程。此外，提出的参数优于形变幅度(DA)、峰值距离(PD)等传统参数，使准确度、灵敏度和特异性分别提高了1O．2，5．7和6．9。受试者工作特征曲线(ROC)下面积为0．948，接近于1。结果显示本文方法自动提取的特征参数可提高正常角膜和圆锥角膜区分的准确性，对临床诊断有辅助作用。关键词：角膜；圆锥角膜；特征提取；最小均方误差算法；CorvisST；小波变换中图分类号：R722．21；TP391文献标识码：Adoi：10．3788／OPE．2O152310．2919ExtractingfeaturesfromnormalcorneasandkeratoconusbasedonwaveletanalysisYUJin—hua，JIChun—hong，LITian—jie。，TIANLei，HUANGYi—fei，WANGYuan—yuan～．ZHENGYong—ping。(1．DepartmentofElectronicEngineering，FudanUniversity，Shanghai200433，China：2．KeyLaboratoryofMedicalImagingComputingandComputerAssistedInterventionofShanghai，Shanghai200433，China；3．InterdisciplinaryDivisionofBiomedicalEngineering，HongKongPolytechnic，HongKong，China；4．BeOingInstituteofOphthalmology，TongrenHospital，CapitalMedicalUniversity，Beijing100005，China；5．DepartmentofOphthatmotogy，ChinesePLAGeneralHospital，Beijing100953，China)*CDrP户0gauthor，E-mail：jhyu@fudan．edu．cnAbstract：OnthebasisofvideoimagecapturedbythecorneameasuringinstrumentCorvisST，thispaperproposesanideatoimprovetheaccuracyofdistinguishingnormalcorneasfromkeratoconiccot—neasbyextractingnewfeatureparameters，Firstly，theoriginalimageswerepreprocessedbyfilteringandsegmentingtodetecttheupperandlowerboundariesofthecorneaandcalculatethecurvatureof收稿日期：2015—05—21；修订日期：2015—07—2O．基金项目：国家973重点基础研究发展计划资助项目(No．2015CB755500)；国家自然科学基金资助项目(No61471125，No．81271052)；香港理工大学内地联合监督计划资助项目(No．G-UB58)2920光学精密工程第23卷anteriorcornea．Then，thechangeofcornealcurvaturewasanalyzedbywavelettransformationmeth—odtOobtainfeaturesrelatedtothetrendofcornealmovement，includingthetrendofthewholecorne—almotionaswellthenormandthestandarddeviationofcornealvibration．Furthermore，thefeatureparameterswereextractedinsuccessionandtheoptimalparameterwasobtainedbytheminimummeansquareerroralgorithm．TheSupportVectorMachine(SVM)wasfinallyappliedtodistinctionofnormalcorneasfromkeratoconiccorneas．Theexperimentresultsonthefrequencyindicatethattherearecornealvibrationsalongwiththebasicmovementprocess．Besides，theproposedparametersarebetterthantraditionalparameterssuchasDeformationAmplitude(DA)，PeakDistance(PD)atthehighestconcavity，whichimprovestheaccuracy，sensitivityandspecificityby10．2，5．7and6．9，respectively．Moreover，...
