-
Notifications
You must be signed in to change notification settings - Fork 0
/
cistinosis_detection.m
191 lines (176 loc) · 9.27 KB
/
cistinosis_detection.m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
function cistinosis_detection()
%Pedir parámetros al usuario
id_pac = input("Cual es el identificador del paciente?: ", 's');
id_cortes = input("Que cortes quieres analizar?: ");
pac_path = strcat('D:\OneDrive - URV\Universidad\QuintoAny\Computer Vision\lab\practica\Imatges cistinosis\PAC\', id_pac); %Default path de las imágenes en mi caso.
list_files = dir(pac_path);
% Iteramos sobre los cortes especificados por el usuario
for z=1: length(id_cortes)
images_der = [];
images_izq = [];
%Buscamos las imágenes disponibles para el corte en concreto (tanto
%para el ojo izquierdo como para el derecho)
num_corte = num2str(id_cortes(z));
if id_cortes(z) < 10
pattern_der = id_pac + "_\d+_\d+_PENTACAM_R_0" + num_corte;
pattern_izq = id_pac + "_\d+_\d+_PENTACAM_L_0" + num_corte;
else
pattern_der = id_pac + "_\d+_\d+_PENTACAM_R_" + num_corte;
pattern_izq = id_pac + "_\d+_\d+_PENTACAM_L_" + num_corte;
end
for i=1: length(list_files)
match = regexp(list_files(i).name, pattern_der);
if ~isempty(match)
images_der(end+1) = i;
end
match = regexp(list_files(i).name, pattern_izq);
if ~isempty(match)
images_izq(end+1) = i;
end
end
results = struct;
results.izq = struct("fechas", [], "cristales", struct("PS", [], "CS", [], "PP", [], "CP", []), "intensidades", struct("PS", [], "CS", [], "PP", [], "CP", []));
results.der = struct("fechas", [], "cristales", struct("PS", [], "CS", [], "PP", [], "CP", []), "intensidades", struct("PS", [], "CS", [], "PP", [], "CP", []));
%Iteramos sobre las distintas imágenes (de fechas diferentes)
%encontradas para el corte en concreto
for i=1: length(images_der)
image_path_der = string(list_files(images_der(i)).folder) + "\" + string(list_files(images_der(i)).name);
image_path_izq = string(list_files(images_izq(i)).folder) + "\" + string(list_files(images_izq(i)).name);
images_path = containers.Map(["izq", "der"], [image_path_izq, image_path_der]);
%Analizamos la imagen izquierda y derecha del corte para una
%fecha determinada
for k = keys(images_path)
% 1. Localización de la cornea
ima = imread(images_path(k{1}));
patient_crop = imcrop(ima, [100 150 700 300]);
patient_grey = rgb2gray(patient_crop);
patient_ecual = histeq(patient_grey);
patient_erosion = imerode(patient_ecual, strel('disk', 5));
patient_erosion_bin = imbinarize(patient_erosion, "adaptive", "sensitivity", 0.01);
patient_masked = patient_grey .* uint8(patient_erosion_bin);
patient_bin = imbinarize(patient_masked, 0.1);
boundingboxes = regionprops(patient_bin, "area", "BoundingBox");
[max_area, max_index] = max([boundingboxes.Area]);
patient_cornea = imcrop(patient_grey, boundingboxes(max_index).BoundingBox);
% 2. Aplanamiento de la cornea
patient_cornea_bin = imbinarize(patient_cornea, 0.08);
for y = 1 : size(patient_cornea, 2)
x_ini = 1;
for x = 1 : size(patient_cornea, 1)
if patient_cornea_bin(x, y) == 1
patient_cornea(x_ini, y) = patient_cornea(x,y);
if (x_ini ~= x)
patient_cornea(x, y) = 0;
end
x_ini = x_ini + 1;
end
end
end
patient_cornea_bin = imbinarize(patient_cornea, 0.1);
boundingboxes = regionprops(patient_cornea_bin, "area", "BoundingBox");
[max_area, max_index] = max([boundingboxes.Area]);
patient_cornea_only = imcrop(patient_cornea, boundingboxes(max_index).BoundingBox);
% 3. Segmentación en secciones y conteo de cristales y nivel de gris
[max_y, max_x] = size(patient_cornea_only);
min_y_superficie = 0;
min_y_profundo = max_y * 300/550;
height_superficie = min_y_profundo;
height_profundo = max_y - min_y_profundo;
min_x_izq = 0;
min_x_centro = max_x * 4/12;
min_x_der = max_x * 8/12;
width_izq = min_x_centro;
width_centro = min_x_der - min_x_centro;
width_der = max_x - min_x_der;
%Zonas dadas por las especificaciones del problema
zones = [min_x_izq, min_y_superficie, width_izq, height_superficie;... %PS
min_x_centro, min_y_superficie, width_centro, height_superficie;... %CS
min_x_der, min_y_superficie, width_der, height_superficie;... %PS
min_x_izq, min_y_profundo, width_izq, height_profundo;... %PP
min_x_centro, min_y_profundo, width_centro, height_profundo;... %CP
min_x_der, min_y_profundo, width_der, height_profundo; %PP
];
binarized_ima = imbinarize(patient_cornea_only, 0.6);
for a=1 : length(zones)
segmento = imcrop(binarized_ima, zones(a,:)); % Recortamos el segmento
[num_pixels, ~] = imhist(segmento); % histograma de cada zona. Num pixels es el recuento de pixeles negros y blancos.
n_cristales(a) = num_pixels(2); % nos quedamos con el nº de blancos
cristal_only_segment = imcrop(patient_cornea_only, zones(a,:)) .* uint8(segmento);
[num_pixels_gris, valores_gris] = imhist(cristal_only_segment);
suma_valores_grises = 0;
for b = 1 : length(valores_gris)
suma_valores_grises = suma_valores_grises + valores_gris(b) * num_pixels_gris(b);
end
if n_cristales(a) ~= 0
suma_valores_grises_normalizado(a) = suma_valores_grises / n_cristales(a);
else
suma_valores_grises_normalizado(a) = 0;
end
end
%Guardamos los resultados en la estructurada designada
results.(k{1}).cristales.PS(end+1) = n_cristales(1) + n_cristales(3);
results.(k{1}).intensidades.PS(end+1) = suma_valores_grises_normalizado(1) + suma_valores_grises_normalizado(3);
results.(k{1}).cristales.CS(end+1) = n_cristales(2);
results.(k{1}).intensidades.CS(end+1) = suma_valores_grises_normalizado(2);
results.(k{1}).cristales.PP(end+1) = n_cristales(4) + n_cristales(6);
results.(k{1}).intensidades.PP(end+1) = suma_valores_grises_normalizado(4) + suma_valores_grises_normalizado(6);
results.(k{1}).cristales.CP(end+1) = n_cristales(5);
results.(k{1}).intensidades.CP(end+1) = suma_valores_grises_normalizado(5);
date_str = strsplit(string(list_files(images_der(i)).name), '_');
results.(k{1}).fechas(end+1) = date_str(2)+date_str(3);
end
end
figure(z); plot_results(results);
end
end
function plot_results(results)
subplot(2,2,1);
dates = datetime(string(results.izq.fechas), 'InputFormat','yyyyMMddhhmmss');
plot(dates, results.izq.cristales.PS, 'o')
hold on
plot(dates, results.izq.cristales.CS, '*')
hold on
plot(dates, results.izq.cristales.PP, 'x')
hold on
plot(dates, results.izq.cristales.CP, '+')
hold off
legend("PS", "CS", "PP", "CP");
title("Numeros cristales");
subplot(2,2,3);
dates = datetime(string(results.izq.fechas), 'InputFormat','yyyyMMddhhmmss');
plot(dates, results.izq.intensidades.PS, 'o')
hold on
plot(dates, results.izq.intensidades.CS, '*')
hold on
plot(dates, results.izq.intensidades.PP, 'x')
hold on
plot(dates, results.izq.intensidades.CP, '+')
hold off
legend("PS", "CS", "PP", "CP");
title("Intensidad de grises");
subplot(2,2,2);
dates = datetime(string(results.der.fechas), 'InputFormat','yyyyMMddhhmmss');
plot(dates, results.der.cristales.PS, 'o')
hold on
plot(dates, results.der.cristales.CS, '*')
hold on
plot(dates, results.der.cristales.PP, 'x')
hold on
plot(dates, results.der.cristales.CP, '+')
hold off
legend("PS", "CS", "PP", "CP");
title("Numeros cristales");
subplot(2,2,4);
dates = datetime(string(results.der.fechas), 'InputFormat','yyyyMMddhhmmss');
plot(dates, results.der.intensidades.PS, 'o')
hold on
plot(dates, results.der.intensidades.CS, '*')
hold on
plot(dates, results.der.intensidades.PP, 'x')
hold on
plot(dates, results.der.intensidades.CP, '+')
hold off
legend("PS", "CS", "PP", "CP");
title("Intensidad de grises");
sgtitle('Ojo Izquierdo Ojo Derecho')
end