一種視網(wǎng)膜囊狀水腫的自動(dòng)分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種視網(wǎng)膜囊狀水腫的自動(dòng)分割方法，屬于醫(yī)學(xué)圖像處理與分析技術(shù) 領(lǐng)域。
【背景技術(shù)】
[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(huì)嚴(yán)重影響中央視力。 多種疾病都會(huì)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(xì) 胞層的組織缺損，嚴(yán)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(dǎo)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(shí)存在時(shí)測(cè)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(dòng)的方法， 比如Amir H. Kashani等人借助軟件手動(dòng)標(biāo)記囊樣水腫并測(cè)量體積，Yalin Zheng等人在 每一個(gè)切片上用鼠標(biāo)點(diǎn)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(dòng)的方法不僅耗時(shí)，工作量也是很大的。當(dāng)然，也有不少研宄者提出了全自動(dòng) 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(shí)現(xiàn)囊樣水腫的分割，但是當(dāng)有黃斑裂孔 存在時(shí)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(shù)中的不足，提供一種視網(wǎng)膜囊狀水腫的自動(dòng)分割 方法，在黃斑裂孔和囊樣水腫兩種病癥同時(shí)存在時(shí)，依然可以實(shí)現(xiàn)囊樣水腫的精確分割。
[0005] 為達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：一種視網(wǎng)膜囊狀水腫的自動(dòng)分割 方法，包括如下步驟：
[0006] 步驟一：預(yù)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(gè)紋理特征，采用主成分分析法進(jìn)行特 征選擇，并使用Adaboost分類器訓(xùn)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(xué)形態(tài)學(xué)算法得到圖割算法所需的 背景點(diǎn)和前景點(diǎn)，訓(xùn)練圖割算法的參數(shù)，用全自動(dòng)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(xiàng)異性擴(kuò)散 濾波器進(jìn)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(xiàng)異性擴(kuò)散濾波器的參數(shù)設(shè)置是：迭代 次數(shù)為5次；時(shí)間步長(zhǎng)為0. 06秒；導(dǎo)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(jì)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(duì)圖像進(jìn)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(zhǎng)所需的種子點(diǎn)：從滿足下述條件的像素點(diǎn)中查找三維 區(qū)域生長(zhǎng)所需的種子點(diǎn)：1)像素點(diǎn)的投影在二維投影對(duì)應(yīng)的閾值分割結(jié)果上；2)像素點(diǎn)在 第一層到第七層之間；3)像素點(diǎn)的灰度值小于其中：HI mh表示黃斑裂孔區(qū)域?qū)?yīng)像 素點(diǎn)灰度值的均值，Smh表示黃斑裂孔區(qū)域?qū)?yīng)像素點(diǎn)灰度值的標(biāo)準(zhǔn)偏差，所有種子點(diǎn)入棧， 并且設(shè)定一個(gè)標(biāo)簽1 ;
[0014] St印03 :根據(jù)三維區(qū)域生長(zhǎng)條件判別種子點(diǎn)屬于目標(biāo)還是背景：所述生長(zhǎng)條件 為：11 (i，j，k)-Ik I Smh，其中：IK表示黃斑裂孔內(nèi)像素點(diǎn)的灰度值，I (i，j，k)表示像素點(diǎn)的原 始灰度值，將一個(gè)種子點(diǎn)出棧，標(biāo)簽變?yōu)椹?根據(jù)Step02的區(qū)域生長(zhǎng)算法會(huì)搜索種子點(diǎn)對(duì)應(yīng) 的26個(gè)領(lǐng)域，滿足生長(zhǎng)條件的點(diǎn)為目標(biāo)點(diǎn)，同時(shí)將檢測(cè)到的目標(biāo)點(diǎn)入棧做為種子點(diǎn)，標(biāo)簽 設(shè)為1，如此遍歷所有的點(diǎn)，直到棧中的元素為空，停止區(qū)域生長(zhǎng)，檢測(cè)到的黃斑裂孔區(qū)域被 賦予統(tǒng)一的灰度值，實(shí)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(gè)紋理特征具體如下表所示：
[0017]
【主權(quán)項(xiàng)】
1. 一種視網(wǎng)膜囊狀水腫的自動(dòng)分割方法，其特征在于，包括如下步驟： 步驟一：預(yù)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(gè)紋理特征，采用主成分分析法進(jìn)行特征選 擇，并使用Adaboost分類器訓(xùn)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(xué)形態(tài)學(xué)算法得到圖割算法所需的背景 點(diǎn)和前景點(diǎn)，訓(xùn)練圖割算法的參數(shù)，用全自動(dòng)的圖割算法得到精確分割結(jié)果。
2. 根據(jù)權(quán)利要求1所述的視網(wǎng)膜囊狀水腫的自動(dòng)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(xiàng)異性擴(kuò)散濾波器進(jìn)行去除的。
3. 根據(jù)權(quán)利要求2所述的視網(wǎng)膜囊狀水腫的自動(dòng)分割方法，其特征在于，所述三維曲 線各項(xiàng)異性擴(kuò)散濾波器的參數(shù)設(shè)置是：迭代次數(shù)為5次；時(shí)間步長(zhǎng)為0. 06秒；導(dǎo)電率為3。
4. 根據(jù)權(quán)利要求1所述的視網(wǎng)膜囊狀水腫的自動(dòng)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(jì)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(duì)圖像進(jìn)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(zhǎng)所需的種子點(diǎn)：從滿足下述條件的像素點(diǎn)中查找三維區(qū)域 生長(zhǎng)所需的種子點(diǎn)：1)像素點(diǎn)的投影在二維投影對(duì)應(yīng)的閾值分割結(jié)果上；2)像素點(diǎn)在第 一層到第七層之間；3)像素點(diǎn)的灰度值小于其中：HI mh表示黃斑裂孔區(qū)域?qū)?yīng)像素 點(diǎn)灰度值的均值，Smh表示黃斑裂孔區(qū)域?qū)?yīng)像素點(diǎn)灰度值的標(biāo)準(zhǔn)偏差，所有種子點(diǎn)入棧，并 且設(shè)定一個(gè)標(biāo)簽1 ; St印03 :根據(jù)三維區(qū)域生長(zhǎng)條件判別種子點(diǎn)屬于目標(biāo)還是背景：所述生長(zhǎng)條件為： I (i，j，IO-IkIsmh，其中表示黃斑裂孔內(nèi)像素點(diǎn)的灰度值，I (i，j，k)表示像素點(diǎn)的原始 灰度值，將一個(gè)種子點(diǎn)出棧，標(biāo)簽變?yōu)椹?根據(jù)Step02的區(qū)域生長(zhǎng)算法會(huì)搜索種子點(diǎn)對(duì)應(yīng)的 26個(gè)領(lǐng)域，滿足生長(zhǎng)條件的點(diǎn)為目標(biāo)點(diǎn)，同時(shí)將檢測(cè)到的目標(biāo)入棧做為種子點(diǎn)，標(biāo)簽設(shè)為 1，如此遍歷所有的點(diǎn)，直到棧中的元素為空，停止區(qū)域生長(zhǎng)，檢測(cè)到的黃斑裂孔區(qū)域被賦予 統(tǒng)一的灰度值，實(shí)現(xiàn)黃斑裂孔排除。
5. 根據(jù)權(quán)利要求1所述的視網(wǎng)膜囊狀水腫的自動(dòng)分割方法，其特征在于，所述23個(gè)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(dòng)分割方法，包括預(yù)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(gè)紋理特征，采用主成分分析法進(jìn)行特征選擇，并使用Adaboost分類器訓(xùn)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(xué)形態(tài)學(xué)算法得到圖割算法所需的背景點(diǎn)和前景點(diǎn)，訓(xùn)練圖割算法的參數(shù)，用全自動(dòng)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(shí)存在時(shí)，依然可以實(shí)現(xiàn)囊樣水腫的精確分割。
【IPC分類】G06T7-00
【公開號(hào)】CN104835148
【申請(qǐng)?zhí)枴緾N201510181368
【發(fā)明人】陳新建, 張莉, 朱偉芳, 石霏, 陳浩宇
【申請(qǐng)人】蘇州大學(xué)
【公開日】2015年8月12日
【申請(qǐng)日】2015年4月16日