一種視網(wǎng)膜囊狀水腫的自動分割方法
【技術領域】
[0001] 本發(fā)明涉及一種視網(wǎng)膜囊狀水腫的自動分割方法，屬于醫(yī)學圖像處理與分析技術 領域。
【背景技術】
[0002] 黃斑位于視網(wǎng)膜的中心，它是視覺最敏銳的區(qū)域。黃斑疾病會嚴重影響中央視力。 多種疾病都會引起黃斑囊樣水腫，比如糖尿病性視網(wǎng)膜病變、老年性黃斑病變、視網(wǎng)膜靜脈 阻塞、視網(wǎng)膜炎癥等。另一種黃斑疾病黃斑裂孔，它是指黃斑視網(wǎng)膜內(nèi)界膜至感光細 胞層的組織缺損，嚴重影響中央視力，多發(fā)于超過60歲的老年人。上面所提到的這兩種黃 斑病變都可能導致中央視力的急劇衰退甚至失明，我們迫切的需要一種方法可以在多種視 網(wǎng)膜疾病同時存在時測出囊樣水腫的體積，以便給醫(yī)生提供更好的治療方案。
[0003] 到目前為止，也有不少的研宄者致力于黃斑囊樣水腫的分割，其中半自動的方法， 比如Amir H. Kashani等人借助軟件手動標記囊樣水腫并測量體積，Yalin Zheng等人在 每一個切片上用鼠標點擊囊樣水腫的位置再根據(jù)算法得到囊樣水腫的輪廓，囊樣水腫多而 小，這些半自動的方法不僅耗時，工作量也是很大的。當然，也有不少研宄者提出了全自動 的方法，例如，Gary R. Wilkins等人使用雙邊濾波去噪后，在三維數(shù)據(jù)中選取存在囊樣水腫 的切片，用閾值分割得到囊樣水腫，這些算法可以實現(xiàn)囊樣水腫的分割，但是當有黃斑裂孔 存在時這些算法便不再能夠使用。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術中的不足，提供一種視網(wǎng)膜囊狀水腫的自動分割 方法，在黃斑裂孔和囊樣水腫兩種病癥同時存在時，依然可以實現(xiàn)囊樣水腫的精確分割。
[0005] 為達到上述目的，本發(fā)明所采用的技術方案是：一種視網(wǎng)膜囊狀水腫的自動分割 方法，包括如下步驟：
[0006] 步驟一：預處理：去除OCT圖像的散斑噪聲，采用三維圖搜索的方法將視網(wǎng)膜分為 11層；排除黃斑裂孔及血管陰影，得到第1層至第7層內(nèi)視網(wǎng)膜的感興趣區(qū)域；
[0007] 步驟二：粗糙分割：在感興趣區(qū)域提取23個紋理特征，采用主成分分析法進行特 征選擇，并使用Adaboost分類器訓練，得到粗糙分割結(jié)果；
[0008] 步驟三：精確分割：在粗糙分割結(jié)果上使用數(shù)學形態(tài)學算法得到圖割算法所需的 背景點和前景點，訓練圖割算法的參數(shù)，用全自動的圖割算法得到精確分割結(jié)果。
[0009] 作為本發(fā)明的優(yōu)選方案，所述OCT圖像的散斑噪聲是采用三維曲線各項異性擴散 濾波器進行去除的。
[0010] 作為本發(fā)明的優(yōu)選方案，所述三維曲線各項異性擴散濾波器的參數(shù)設置是：迭代 次數(shù)為5次；時間步長為0. 06秒；導電率為3。
[0011] 作為本發(fā)明的優(yōu)選方案，所述黃斑裂孔的排除方法如下：
[0012] StepOl :黃斑裂孔位置查找：通過計算第1層到第7層之間灰度值的均值，得到一 副二維投影圖；采用閾值分割法得到黃斑裂孔投影的粗略位置，再對圖像進行最大最小值 歸一化處理，得到黃斑裂孔的部分投影；
[0013] St印02 :尋找三維區(qū)域生長所需的種子點：從滿足下述條件的像素點中查找三維 區(qū)域生長所需的種子點：1)像素點的投影在二維投影對應的閾值分割結(jié)果上；2)像素點在 第一層到第七層之間；3)像素點的灰度值小于其中：HI mh表示黃斑裂孔區(qū)域?qū)?素點灰度值的均值，Smh表示黃斑裂孔區(qū)域?qū)袼攸c灰度值的標準偏差，所有種子點入棧， 并且設定一個標簽1 ;
[0014] St印03 :根據(jù)三維區(qū)域生長條件判別種子點屬于目標還是背景：所述生長條件 為：11 (i，j，k)-Ik I Smh，其中：IK表示黃斑裂孔內(nèi)像素點的灰度值，I (i，j，k)表示像素點的原 始灰度值，將一個種子點出棧，標簽變?yōu)椹?根據(jù)Step02的區(qū)域生長算法會搜索種子點對應 的26個領域，滿足生長條件的點為目標點，同時將檢測到的目標點入棧做為種子點，標簽 設為1，如此遍歷所有的點，直到棧中的元素為空，停止區(qū)域生長，檢測到的黃斑裂孔區(qū)域被 賦予統(tǒng)一的灰度值，實現(xiàn)黃斑裂孔排除。
[0015] 作為本發(fā)明的優(yōu)選方案，所述23個紋理特征具體如下表所示：
[0017]
【主權項】
1. 一種視網(wǎng)膜囊狀水腫的自動分割方法，其特征在于，包括如下步驟： 步驟一：預處理：去除OCT圖像的散斑噪聲，采用三維圖搜索的方法將視網(wǎng)膜分為11 層；排除黃斑裂孔及血管陰影，得到第1層至第7層內(nèi)視網(wǎng)膜的感興趣區(qū)域； 步驟二：粗糙分割：在感興趣區(qū)域提取23個紋理特征，采用主成分分析法進行特征選 擇，并使用Adaboost分類器訓練，得到粗糙分割結(jié)果； 步驟三：精確分割：在粗糙分割結(jié)果上使用數(shù)學形態(tài)學算法得到圖割算法所需的背景 點和前景點，訓練圖割算法的參數(shù)，用全自動的圖割算法得到精確分割結(jié)果。
2. 根據(jù)權利要求1所述的視網(wǎng)膜囊狀水腫的自動分割方法，其特征在于，所述OCT圖像 的散斑噪聲是采用三維曲線各項異性擴散濾波器進行去除的。
3. 根據(jù)權利要求2所述的視網(wǎng)膜囊狀水腫的自動分割方法，其特征在于，所述三維曲 線各項異性擴散濾波器的參數(shù)設置是：迭代次數(shù)為5次；時間步長為0. 06秒；導電率為3。
4. 根據(jù)權利要求1所述的視網(wǎng)膜囊狀水腫的自動分割方法，其特征在于，所述黃斑裂 孔的排除方法如下： StepOl :黃斑裂孔位置查找：通過計算第1層到第7層之間灰度值的均值，得到一幅二 維投影圖；采用閾值分割法得到黃斑裂孔投影的粗略位置，再對圖像進行最大最小值歸一 化處理，得到黃斑裂孔的部分投影； St印02 :尋找三維區(qū)域生長所需的種子點：從滿足下述條件的像素點中查找三維區(qū)域 生長所需的種子點：1)像素點的投影在二維投影對應的閾值分割結(jié)果上；2)像素點在第 一層到第七層之間；3)像素點的灰度值小于其中：HI mh表示黃斑裂孔區(qū)域?qū)袼?點灰度值的均值，Smh表示黃斑裂孔區(qū)域?qū)袼攸c灰度值的標準偏差，所有種子點入棧，并 且設定一個標簽1 ; St印03 :根據(jù)三維區(qū)域生長條件判別種子點屬于目標還是背景：所述生長條件為： I (i，j，IO-IkIsmh，其中表示黃斑裂孔內(nèi)像素點的灰度值，I (i，j，k)表示像素點的原始 灰度值，將一個種子點出棧，標簽變?yōu)椹?根據(jù)Step02的區(qū)域生長算法會搜索種子點對應的 26個領域，滿足生長條件的點為目標點，同時將檢測到的目標入棧做為種子點，標簽設為 1，如此遍歷所有的點，直到棧中的元素為空，停止區(qū)域生長，檢測到的黃斑裂孔區(qū)域被賦予 統(tǒng)一的灰度值，實現(xiàn)黃斑裂孔排除。
5. 根據(jù)權利要求1所述的視網(wǎng)膜囊狀水腫的自動分割方法，其特征在于，所述23個紋 理特征具體如下表所示：
【專利摘要】本發(fā)明公開了一種視網(wǎng)膜囊狀水腫的自動分割方法，包括預處理：去除OCT圖像的散斑噪聲，采用三維圖搜索的方法將視網(wǎng)膜分為11層；排除黃斑裂孔及血管陰影，得到第1層至第7層內(nèi)視網(wǎng)膜即感興趣區(qū)域；粗糙分割：在感興趣區(qū)域提取23個紋理特征，采用主成分分析法進行特征選擇，并使用Adaboost分類器訓練，得到粗糙分割結(jié)果；精確分割：在粗糙分割結(jié)果上使用數(shù)學形態(tài)學算法得到圖割算法所需的背景點和前景點，訓練圖割算法的參數(shù)，用全自動的圖割算法得到精確分割結(jié)果。本發(fā)明在黃斑裂孔和囊樣水腫兩種病癥同時存在時，依然可以實現(xiàn)囊樣水腫的精確分割。
【IPC分類】G06T7-00
【公開號】CN104835148
【申請?zhí)枴緾N201510181368
【發(fā)明人】陳新建, 張莉, 朱偉芳, 石霏, 陳浩宇
【申請人】蘇州大學
【公開日】2015年8月12日
【申請日】2015年4月16日