基于sd-oct的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于SD-OCT圖像的挫傷性視網(wǎng)膜內(nèi)節(jié)/外節(jié)缺失三維自動(dòng)檢測(cè)方法，包括以下步驟：（1）圖像預(yù)處理，采用多尺度三維圖割方法將視網(wǎng)膜內(nèi)部自動(dòng)分割成11個(gè)表面，提取位于第7表面和第8表面之間的內(nèi)節(jié)/外節(jié)區(qū)域作為感興趣區(qū)域，進(jìn)行平坦化處理和雙線(xiàn)性濾波增強(qiáng)；（2）對(duì)感興趣區(qū)域中每個(gè)體素提取5類(lèi)（共計(jì)57個(gè)）特征；（3）采用主成份分析方法對(duì)特征進(jìn)行優(yōu)化選擇；（4）將特征樣本分成訓(xùn)練集和測(cè)試集，對(duì)訓(xùn)練集樣本采用Adaboost算法訓(xùn)練集成分類(lèi)器；（5）對(duì)測(cè)試集樣本進(jìn)行缺失/非缺失識(shí)別；（6）對(duì)識(shí)別結(jié)果進(jìn)行血管輪廓影響排除和孤立點(diǎn)排除等后處理，計(jì)算相應(yīng)的缺失體積，缺失體積識(shí)別誤差小，準(zhǔn)確性好。
【專(zhuān)利說(shuō)明】基于SD-OCT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于視網(wǎng)膜圖像處理與分析方法，尤其是對(duì)SD-〇CT(頻域光學(xué)相干斷層成 像）視網(wǎng)膜圖像中的內(nèi)節(jié)/外節(jié)缺失的三維自動(dòng)定量檢測(cè)方法。

【背景技術(shù)】
[0002] 眼外傷是導(dǎo)致視力損傷甚至致盲的主要因素之一，是我國(guó)單眼盲的首位致盲原 因。當(dāng)眼球表面的損傷傳遞到后端的視網(wǎng)膜時(shí)，視網(wǎng)膜震蕩傷的特點(diǎn)是灰白變色，或是當(dāng)外 傷閉合后，視網(wǎng)膜仍然渾濁。人眼的組織病理學(xué)研究和動(dòng)物研究表明，光感受器的內(nèi)節(jié)/外 節(jié)連接區(qū)損傷是視網(wǎng)膜震蕩傷的發(fā)病原。而光感受器的內(nèi)節(jié)/外節(jié)與光傳導(dǎo)緊密相關(guān)，因 此，內(nèi)節(jié)/外節(jié)的完整性與視力密切相關(guān)。
[0003] SD-0CT (頻域光學(xué)相干斷層成像）是一種無(wú)損評(píng)估視網(wǎng)膜生理和病理指標(biāo)的強(qiáng)有 力技術(shù)，能快速獲得高分辨的斷層三維圖像。在SD-0CT圖像中，光感受器內(nèi)節(jié)/外節(jié)是介 于外界膜和色素上皮層之間的一個(gè)高亮反射層。內(nèi)節(jié)/外節(jié)完整性的遭破壞程度是光感受 器受損程度的一個(gè)代表性指標(biāo)，通常與視網(wǎng)膜震蕩傷導(dǎo)致的視力低下以及其他視網(wǎng)膜疾病 有關(guān)。
[0004] 在SD-0CT圖像中，通過(guò)定量檢測(cè)內(nèi)節(jié)/外節(jié)區(qū)域缺失范圍來(lái)定量評(píng)估光感受器的 損傷程度是一個(gè)非常有意義的研究方向。有文獻(xiàn)報(bào)道在一個(gè)B掃描面中進(jìn)行內(nèi)節(jié)/外節(jié) 缺失長(zhǎng)度的手動(dòng)檢測(cè)。但是，這是基于單個(gè)二維界面圖像。此外，有文獻(xiàn)提出采用部分0CT 投影圖像或者冠狀面投影圖像等技術(shù)更好地可視化光感受器的整體性和缺失區(qū)域。但是， 這些檢測(cè)內(nèi)節(jié)/外節(jié)缺失面積的技術(shù)仍然是基于二維圖像的，而且是手動(dòng)的，這在選擇缺 失區(qū)域邊界時(shí)可能會(huì)引入主觀因素。關(guān)于內(nèi)節(jié)/外節(jié)缺失區(qū)域邊界的自動(dòng)檢測(cè)和內(nèi)節(jié)/外 籍缺失面積計(jì)算方法也有文獻(xiàn)報(bào)道，但是，這種方法是基于缺失區(qū)域是圓形的假設(shè)，而實(shí)際 上，缺失區(qū)域的形狀可能是任意形狀。
[0005] 更重要的是，內(nèi)節(jié)/外節(jié)是一層有厚度的薄膜，應(yīng)該以?xún)?nèi)節(jié)/外節(jié)缺失的體積來(lái) 衡量光感受器的損傷程度。這方面的研究還處于起步階段，現(xiàn)有技術(shù)對(duì)視網(wǎng)膜內(nèi)外節(jié)缺 失檢測(cè)也僅僅只針對(duì)局部較小的范圍進(jìn)行檢測(cè)，特征提取不全面，并且分類(lèi)不平衡，例如， CN103679198A公開(kāi)了一種基于K近鄰的視網(wǎng)膜內(nèi)節(jié)外節(jié)缺失自動(dòng)檢測(cè)，提取以黃斑中心為 中心、直徑1mm的內(nèi)節(jié)外節(jié)區(qū)域?yàn)楦信d趣區(qū)域，進(jìn)行5個(gè)特征提取，提取特征少，特征不夠典 型，且由于K近鄰分類(lèi)器的約束，采用的K近鄰分類(lèi)存在分類(lèi)不平衡問(wèn)題，分類(lèi)性能差；其 次，在后處理與缺失體積計(jì)算中，對(duì)識(shí)別分類(lèi)得到的結(jié)果沒(méi)有進(jìn)行血管輪廓影響排除和孤 立點(diǎn)排除，缺失體積誤差大，準(zhǔn)確性差。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明克服了現(xiàn)有技術(shù)的不足，提供了一種具有可行性和有效性的視網(wǎng)膜內(nèi)節(jié)/ 外節(jié)缺失三維自動(dòng)定量檢測(cè)方法，能夠?qū)?nèi)節(jié)/外節(jié)全部區(qū)域作為感興趣區(qū)域，全面提取 體素特征，充分考慮不平衡分類(lèi)問(wèn)題的特點(diǎn)，精確計(jì)算視網(wǎng)膜內(nèi)外節(jié)缺失區(qū)域。
[0007] 為解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案為：
[0008] -種基于SD-0CT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法，該方法主要包括6個(gè)步 驟：圖像預(yù)處理，體素特征提取，特征選擇，集成分類(lèi)器的訓(xùn)練，體素缺失識(shí)別，后處理與缺 失體積計(jì)算。
[0009] 一種基于SD-0CT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法，即包括以下步驟：
[0010] (1)圖像預(yù)處理：采用多尺度三維圖割方法進(jìn)行視網(wǎng)膜內(nèi)部分層，將視網(wǎng)膜 SD-0CT圖像自動(dòng)分割成10個(gè)分層，產(chǎn)生11個(gè)表面，將包含內(nèi)節(jié)/外節(jié)區(qū)域的第7層和第8 層之間的數(shù)據(jù)提取出來(lái)，參考第11層進(jìn)行平坦化，將平坦化后第7層和第8層之間的內(nèi)節(jié) /外節(jié)區(qū)域的SD-0CT圖像作為感興趣區(qū)域，進(jìn)行雙線(xiàn)性濾波增強(qiáng)；
[0011] ⑵體素特征提?。簩?duì)步驟⑴所述平坦化后的內(nèi)節(jié)/外節(jié)區(qū)域的所有體素的灰 度值進(jìn)行歸一化處理，根據(jù)手動(dòng)標(biāo)記的金標(biāo)準(zhǔn)，對(duì)內(nèi)節(jié)/外節(jié)區(qū)域內(nèi)的缺失體素和非缺失 體素分別提取5類(lèi)特征，所述5類(lèi)特征包括歸一化的灰度值、分塊均值、分塊標(biāo)準(zhǔn)差、13個(gè)方 向的灰度差絕對(duì)值、基于灰度共生矩陣的特征；
[0012] (3)特征優(yōu)化選擇：對(duì)步驟（2)中所提取的特征采用主成份分析法進(jìn)行特征選 擇；
[0013] ⑷集成分類(lèi)器的訓(xùn)練：將經(jīng)步驟⑶選擇的特征分成訓(xùn)練集和測(cè)試集；在訓(xùn)練 集中，按1 :1比例，從非缺失樣本中隨機(jī)抽取數(shù)量與缺失樣本數(shù)量相同的特征樣本，采用 Ababoost算法進(jìn)行集成分類(lèi)器的訓(xùn)練；
[0014] (5)體素缺失/非缺失的分類(lèi)識(shí)別：對(duì)測(cè)試集樣本進(jìn)行缺失/非缺失識(shí)別，采用 步驟（4)訓(xùn)練得到的集成分類(lèi)器對(duì)測(cè)試樣本進(jìn)行分類(lèi)，對(duì)每個(gè)體素的缺失與否進(jìn)行分類(lèi)識(shí) 別；
[0015] (6)后處理與缺失體積計(jì)算：對(duì)步驟（5)分類(lèi)識(shí)別得到的缺失結(jié)果進(jìn)行血管輪廓 影響排除和孤立點(diǎn)排除，并計(jì)算相應(yīng)的缺失體積。
[0016] 本發(fā)明技術(shù)方案具體描述如下。
[0017] (1)圖像預(yù)處理
[0018] 圖像預(yù)處理主要包括以下三個(gè)步驟：視網(wǎng)膜內(nèi)部分層，包含內(nèi)節(jié)/外節(jié)區(qū)域的感 興趣區(qū)域提取和平坦化，以及圖像的雙線(xiàn)性濾波增強(qiáng)。
[0019] (1-1)視網(wǎng)膜內(nèi)部分層
[0020] 人類(lèi)視網(wǎng)膜是一個(gè)相當(dāng)薄的組織，厚度不到0. 5_，是眼睛最重要的組成部分。視 網(wǎng)膜本身具有相當(dāng)復(fù)雜的結(jié)構(gòu)，基本結(jié)構(gòu)類(lèi)似于一個(gè)"三層蛋糕"--三層神經(jīng)細(xì)胞被兩層 類(lèi)神經(jīng)連接層隔開(kāi)，可以更精細(xì)地分成10個(gè)層。視網(wǎng)膜內(nèi)部分層對(duì)于分析視網(wǎng)膜病變?nèi)缪?外傷的嚴(yán)重程度、黃斑水腫的形成等具有重要作用。采用多尺度三維圖搜索方法將視網(wǎng)膜 SD-0CT圖像自動(dòng)分割成10個(gè)分層，產(chǎn)生11個(gè)表面。所述10個(gè)分層自上至下依次為：神經(jīng) 纖維層，神經(jīng)節(jié)細(xì)胞層，內(nèi)叢狀層，內(nèi)核層，外叢狀層，外核層，內(nèi)節(jié)層，外節(jié)層，維爾赫夫氏 膜和視網(wǎng)膜色素上皮層；
[0021] 三維圖搜索方法是基于圖論的方法，采用從粗糙到精細(xì)的不同分辨率，來(lái)檢測(cè)視 網(wǎng)膜的內(nèi)部各表面。圖搜索采用基于邊界的代價(jià)函數(shù)，當(dāng)代價(jià)函數(shù)最小時(shí)，即找到各個(gè)表 面；
[0022] (1-2)內(nèi)節(jié)/外節(jié)區(qū)域提取和平坦化
[0023] 完成了各分層的分割后，可以將包含內(nèi)節(jié)/外節(jié)區(qū)域的第7層和第8層之間的數(shù) 據(jù)提取出來(lái)，并參考視網(wǎng)膜色素上皮層的下界即第11層進(jìn)行平坦化，因?yàn)榈?1層的分層 效果相對(duì)魯棒。本發(fā)明主要平坦化后的第7層與第8層之間的SD-0CT圖像作為感興趣區(qū) 域，研究?jī)?nèi)節(jié)/外節(jié)的缺失檢測(cè)。即將包含內(nèi)節(jié)/外節(jié)區(qū)域的第7層和第8層之間的數(shù)據(jù) 提取出來(lái)，參考第11層進(jìn)行平坦化，將平坦化后第7層和第8層之間的內(nèi)節(jié)/外節(jié)區(qū)域的 SD-0CT圖像作為感興趣區(qū)域，進(jìn)行雙線(xiàn)性濾波增強(qiáng)。
[0024] (2)特征提取
[0025] 本發(fā)明是一種基于紋理特征分類(lèi)的內(nèi)節(jié)/外節(jié)缺失檢測(cè)方法，首先，對(duì)感興趣區(qū) 域內(nèi)的所有體素的灰度值進(jìn)行歸一化處理，然后提取了 5類(lèi)特征，5類(lèi)特征包括歸一化的灰 度值、分塊均值、分塊標(biāo)準(zhǔn)差、13個(gè)方向的灰度差絕對(duì)值、基于灰度共生矩陣的特征；5類(lèi)特 征共計(jì)57個(gè)特征：歸一化的灰度值（特征1)，分塊均值（特征2)，分塊標(biāo)準(zhǔn)差（特征3)， 13個(gè)方向的灰度差絕對(duì)值（步長(zhǎng)分別取1和2,特征4-5)，基于灰度共生矩陣的特征，基于 灰度共生矩陣的特征包括對(duì)比度（13個(gè)方向，特征6-18)、相關(guān)性（13個(gè)方向，特征19-31)、 能量（13個(gè)方向，特征32-44)、均勻性（13個(gè)方向，特征45-57)。
[0026] (2-1)歸一化灰度值表示每個(gè)體素的灰度級(jí)，對(duì)感興趣區(qū)域內(nèi)的所有體素的灰度 值采用如式（1)所示的方法進(jìn)行線(xiàn)性歸一化至〇?255。

【權(quán)利要求】
1. 一種基于SD-OCT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法，其特征在于：包括以下步 驟： ⑴圖像預(yù)處理：采用多尺度三維圖割方法進(jìn)行視網(wǎng)膜內(nèi)部分層，將視網(wǎng)膜SD-0CT圖 像自動(dòng)分割成10個(gè)分層，產(chǎn)生11個(gè)表面，將包含內(nèi)節(jié)/外節(jié)區(qū)域的第7層和第8層之間的 數(shù)據(jù)提取出來(lái)，參考第11層進(jìn)行平坦化，將平坦化后第7層和第8層之間的內(nèi)節(jié)/外節(jié)區(qū) 域的SD-0CT圖像作為感興趣區(qū)域，進(jìn)行雙線(xiàn)性濾波增強(qiáng)； (2) 體素特征提?。簩?duì)步驟（1)所述平坦化后的內(nèi)節(jié)/外節(jié)區(qū)域的所有體素的灰度值 進(jìn)行歸一化處理，對(duì)內(nèi)節(jié)/外節(jié)區(qū)域內(nèi)的缺失體素和非缺失體素分別提取5類(lèi)特征，所述5 類(lèi)特征包括歸一化的灰度值、分塊均值、分塊標(biāo)準(zhǔn)差、13個(gè)方向的灰度差絕對(duì)值和基于灰度 共生矩陣的特征； (3) 特征優(yōu)化選擇：對(duì)步驟（2)中所提取的特征采用主成份分析法進(jìn)行特征選擇； (4) 集成分類(lèi)器的訓(xùn)練：將經(jīng)步驟（3)選擇的特征分成訓(xùn)練集和測(cè)試集，在訓(xùn)練集中， 按缺失樣本數(shù)量與非缺失樣本數(shù)量的比例為1 :1的比例從非缺失樣本中隨機(jī)抽取數(shù)量與 缺失樣本數(shù)量相同的特征樣本，采用Ababoost算法進(jìn)行集成分類(lèi)器的訓(xùn)練； (5) 體素缺失/非缺失的分類(lèi)識(shí)別：對(duì)測(cè)試集樣本進(jìn)行缺失/非缺失識(shí)別，采用步驟 (4)訓(xùn)練得到的集成分類(lèi)器對(duì)測(cè)試集樣本進(jìn)行分類(lèi)，對(duì)每個(gè)體素的缺失與否進(jìn)行分類(lèi)識(shí) 別； (6) 后處理與缺失體積計(jì)算：對(duì)步驟（5)分類(lèi)識(shí)別得到的結(jié)果進(jìn)行血管輪廓影響排除 和孤立點(diǎn)排除，并計(jì)算視網(wǎng)膜內(nèi)節(jié)/外節(jié)的缺失體積。
2. 根據(jù)權(quán)利要求1所述的基于SD-0CT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法，其特征在 于：所述步驟（1)具體包括以下步驟： (1-1)視網(wǎng)膜內(nèi)部分層：采用多尺度三維圖搜索方法將視網(wǎng)膜SD-0CT圖像自動(dòng)分割成 10個(gè)分層，產(chǎn)生11個(gè)表面； (1-2)內(nèi)節(jié)/外節(jié)區(qū)域提取和平坦化：將包含內(nèi)節(jié)/外節(jié)區(qū)域的第7層和第8層之間 的數(shù)據(jù)提取出來(lái)，參考第11層進(jìn)行平坦化，將平坦化后的第7層與第8層之間的SD-0CT圖 像作為感興趣區(qū)域，進(jìn)行內(nèi)節(jié)/外節(jié)的缺失檢測(cè)。
3. 根據(jù)權(quán)利要求1所述的基于SD-0CT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法，其特征在 于：所述步驟（2)所述5類(lèi)特征的提取具體包括以下步驟： (2-1)歸一化灰度值表示每個(gè)體素的灰度級(jí)，對(duì)所述感興趣區(qū)域內(nèi)的所有體素的灰度 值采用如式（1)所示的方法進(jìn)行線(xiàn)性歸一化至〇?255 ;
(1) 其中，（i, j, k)表示體素的坐標(biāo)，I_alize;d(i，j, k)表示體素（i, j, k)歸一化后的灰度 值，I_nal(i，j，k)表示體素（i，j，k)原始的灰度值，Imin和Imax分別表示感興趣區(qū)域內(nèi)體素 灰度值的最小值和最大值；所述內(nèi)節(jié)/外節(jié)缺失區(qū)域的灰度值低于非缺失區(qū)域的灰度值； (2-2)分塊均值用于表示以體素（i，j，k)為中心的分塊的灰度均值，所述分塊為 5 X 5 X 5分塊，所述5 X 5 X 5分塊的灰度均值Mbl(x;k (i，j，k)，計(jì)算公式如式⑵：
(2) (2-3)分塊標(biāo)準(zhǔn)差STDbl(X;k (i，j，k)用于表示以體素（i，j，k)為中心的5 X 5 X 5分 塊的灰度值變化情況，表征灰度值在5X5X5分塊中的分散程度；根據(jù)分塊標(biāo)準(zhǔn)差 STDbl(K;k(i，j，k)識(shí)別分塊體素全部位于缺失區(qū)域或者分塊體素全部位于非缺失區(qū)域或者分 塊中同時(shí)包含缺失區(qū)域和非缺失區(qū)域的體素，計(jì)算公式如下：
(3) (2-4) 13個(gè)方向上的灰度差絕對(duì)值之和定義為：中心點(diǎn)體素（i，j，k)的灰度值與13個(gè) 方向周?chē)w素的灰度差絕對(duì)值之和，反映中心點(diǎn)體素在缺失區(qū)域或非缺失區(qū)域的位置，依 據(jù)所述13個(gè)方向上的灰度差絕對(duì)值之和AID step(i，j，k)判斷中心點(diǎn)體素（i，j，k)位于缺失 與非缺失交界處或者缺失區(qū)域或者非缺失區(qū)域，選擇兩種距離步長(zhǎng)計(jì)算13個(gè)方向上的灰 度差絕對(duì)值之和AID step(i，j，k)，兩種距離步長(zhǎng)為st印=1，2,具體計(jì)算公式如公式（4):
(4)
表示13個(gè)方向上的灰度差絕對(duì)值之和； 所述13個(gè)方向的選取方法為：假設(shè)a i表示X軸與X-Y平面投影圖的夾角，α 2表 示Ζ軸與Χ-Υ平面投影圖的夾角，那么所述13個(gè)方向分別為（αι，α2) = (0,90° )、 (45。，90。）、（90。，90。）、（135。，90。）、（0,45。）、（180。，45。）、（90。，45。）、 (-90。，45。）、（0,0)、（45。，45。）、（135°，45。）、（-45°，45。）、（-135。，45。）； (2-5)基于灰度共生矩陣特征描述若干立體切面之間灰度級(jí)的空間相關(guān)性，所述灰度 共生矩陣為三維體數(shù)據(jù)的灰度共生矩陣，采用三維方法在13個(gè)方向上跨切面搜索不同灰 度級(jí)，構(gòu)造13個(gè)灰度共生矩陣，13個(gè)灰度共生矩陣構(gòu)造方法具體包括以下步驟： 對(duì)每個(gè)5X5X5分塊構(gòu)造所述13個(gè)不同方向上的灰度共生矩陣； 分別提取4個(gè)基于所述灰度共生矩陣的特征，所述4個(gè)基于灰度共生矩陣的特征為： (a)對(duì)比度、（b)相關(guān)性、（c)能量和⑷均勻性； 對(duì)比度〇〇111:四81:(1恤。""111(1，]_，10、相關(guān)性（：〇1^1&1^〇11 (1加。一111(1，]_，10、能量 Energydireetim m(i, j, k)和均勻性 Homogeneitydireetim m(i, j, k)分別采用式（5)、式（6)、式 (7)和式⑶進(jìn)行計(jì)算：

(8) 其中，P(x，y)表示灰度共生矩陣中第（x，y)個(gè)元素；Ng表示量化后的灰度級(jí)，取Ng = 8 ; μ x和σ χ分別表示第X行的均值和標(biāo)準(zhǔn)差；μ y和σ y分別表示第y列的均值和標(biāo)準(zhǔn)差。
4. 根據(jù)權(quán)利要求1所述的基于SD-OCT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法，其特征在 于，所述步驟（3)具體包括以下步驟：對(duì)于步驟（2)所述提取的5類(lèi)特征采用主成份分析方 法進(jìn)行特征選擇，將經(jīng)過(guò)特征選擇后的結(jié)果作為新的特征，根據(jù)新特征所代表的數(shù)據(jù)總方 差的比例大于或者等于90%的原則，選擇前12個(gè)主成分作為新特征； 完成特征優(yōu)化選擇后，感興趣區(qū)域內(nèi)的每個(gè)體素用一個(gè)12維的特征向量表征，在特征 空間中進(jìn)行分類(lèi)。
5. 根據(jù)權(quán)利要求1所述的基于SD-OCT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法，其特征 在于，所述步驟（4)具體包括以下步驟：將經(jīng)步驟（3)選擇的特征分成訓(xùn)練集和測(cè)試集，在 訓(xùn)練集中，通過(guò)下采樣方式以缺失樣本數(shù)量與非缺失樣本數(shù)量的比例為1 :1構(gòu)造新的訓(xùn)練 集，采用分類(lèi)器集成的方法進(jìn)行分類(lèi)，以決策樹(shù)為弱分類(lèi)器，采用Adaboost算法進(jìn)行集成 分類(lèi)器的訓(xùn)練。
6. 根據(jù)權(quán)利要求1所述的基于SD-OCT的挫傷性視網(wǎng)膜內(nèi)外節(jié)缺失檢測(cè)方法，其特征在 于，所述步驟（6)具體包括以下步驟： (6-1)血管輪廓影響的排除：將第1至第10層的全部三維SD-OCT數(shù)據(jù)投影至X-Y平 面，對(duì)投影圖進(jìn)行血管輪廓檢測(cè)，將步驟（5)的缺失識(shí)別結(jié)果的X坐標(biāo)值等于血管輪廓的 X坐標(biāo)值，則該X坐標(biāo)值處的體素被認(rèn)為是缺失誤識(shí)別，將對(duì)應(yīng)的識(shí)別結(jié)果修改為非缺失區(qū) 域； (6-2)將步驟（6-1)的缺失識(shí)別結(jié)果采用形態(tài)學(xué)方法進(jìn)行孤立點(diǎn)的排除； (6-3)將步驟（6-2)的孤立點(diǎn)的排除后的缺失識(shí)別結(jié)果乘以體素的分辨率，轉(zhuǎn)化為檢 測(cè)到的內(nèi)節(jié)/外節(jié)缺失體積。
【文檔編號(hào)】A61B3/10GK104143087SQ201410356040
【公開(kāi)日】2014年11月12日 申請(qǐng)日期:2014年7月24日 優(yōu)先權(quán)日:2014年7月24日
【發(fā)明者】陳新建, 朱偉芳, 張立春, 陳浩宇, 石霏, 向德輝, 王莉蕓, 張莉, 高恩婷 申請(qǐng)人:蘇州大學(xué)