[發明專利]一種基于空間連續性約束的視盤區域OCT圖像層次分割方法

有效

• 申請號: 201810209966.4
• 申請日: 2018-03-14
• 公開（公告）號: CN108961261B
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 陳再良;魏浩;沈海瀾;彭鵬;劉晴;李大寶;莫玉芳;曾梓洋;孫鉞堯
• 申請（專利權）人: 中南大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種基于空間連續性約束的視盤區域OCT圖像層次分割方法，其特征在于，包括以下步驟：

步驟1：對單只眼睛的各視網膜OCT圖像進行降噪和ROI區域分割；

所述ROI區域是指視網膜OCT圖像中的RNFL層和RPE層區域；

步驟2：將降噪后的視網膜OCT圖像合成得到合成眼底圖，從合成眼底圖中定位血管陰影區域；

步驟3：使用A-scan分割算法依次對所述ROI區域進行分割，得到初步分割結果，利用血管陰影區域對每幅圖像的初步分割結果進行修正；

將初步分割結果中位于血管陰影區域中的分割點剔除，再使用多項式擬合血管陰影區域兩邊的斷點，得到連續的分割曲線，得到修正后的分割結果；

步驟4：按以下公式使用空間連續性約束優化步驟3得到的修正后的分割結果，獲得ILM、IS-OS、BM的分割邊界；

S＝{(i,j)||I_k(i,j)-I_k-1(i,j)|＜ε,gradient(i,j,k)＝1}

其中，I_k(i,j)表示第k幅OCT圖像中位于第i行j列的初步分割結果點的坐標，slope(X,Y)為點X與點Y在圖像坐標系上的斜率；集合S中為滿足空間連續性約束條件的分割點；ε0和ω0分別表示兩個相鄰分割點之間歐式距離和梯度的閾值，ε∈(0,10)；ω∈(0,5)。

2.根據權利要求1所述的方法，其特征在于，采用BM3D算法對各視網膜OCT圖像進行降噪。

3.根據權利要求2所述的方法，其特征在于，采用基于主動輪廓的FCM方法對降噪后的視網膜OCT圖像進行分類，從分類結果中分割出ROI區域，具體過程如下：

步驟1.1：求解視網膜OCT圖像中非相似性指標的價值函數的最小值，所述價值函數如下：

其中，H和W分別表示視網膜OCT圖像的高和寬；J(·)為所要求解的目標函數，m是隸屬度的加權指數，m∈[1,∞)，U為隸屬度矩陣，U(i,j,k)表示視網膜OCT圖像中位于第i行j列的像素點屬于類別k的概率，U(i,j,k)＝p((i,j)∈μ_k)∈(0,1)；c表示聚類中心總數，取值為3；

μ_k表示第k個類別的聚類中心；d((i,j),μ_k)表示位于第i行j列的像素點與第k個聚類中心像素點的灰度值之差的二范數，d((i,j),μ_k)＝||I(i,j),I(μ_k)||₂；

步驟1.2：選擇圖像中所有像素和最小的一個圖像作為M，M為僅含有RNFL層和RPE層的分類圖：

其中，U(k)表示第k類對應的圖像；

步驟1.3：以ILM邊界向下選擇固定的像素數的方法將M中的RNFL層和RPE層進行分離，獲得只含有RNFL層的圖像M₁和只含有RPE層的圖像M₂；

步驟1.4：采用主動輪廓模型對圖像M₁和圖像M₂進行細化處理，得到以二值圖像C₁和二值圖像C₂，二值圖像C₁和二值圖像C₂中的白色區域分別對應原始圖像中RNFL層和RPE層的位置，基于二值圖像C₁和二值圖像C₂從原始圖像中提取所需的RNFL層和RPE層構成的ROI區域。

4.根據權利要求2所述的方法，其特征在于，所述將降噪后的視網膜OCT圖像合成得到合成眼底圖的過程是指將所有降噪后的視網膜OCT圖像在z軸方向上進行投影，以z軸方向灰度值的平均值作為合成圖像中的灰度值。

5.根據權利要求4所述的方法，其特征在于，所述從合成眼底圖中定位血管陰影區域的過程如下：

對合成眼底圖依次進行插值和濾波處理，再根據合成眼底圖中血管區域特征，使用高斯濾波器對濾波處理后的合成眼底圖像進行處理獲得響應圖像，最后使用大大津法對響應圖像進行閾值分割，得到血管網絡圖；以OCT掃描線與血管網絡圖中的交點確定血管陰影區域。

6.根據權利要求3所述的方法，其特征在于，使用A-scan分割算法依次對所述ROI區域進行分割的過程是指按照以下公式使用A-scan分割算法對所述二值化圖像C₁、二值化圖像C₂進行分割，得到二次分割結果：

其中，candidate(j)表示二值化圖像中第j個列A-scan中屬于邊界的像素點的行序號，該像素點使目標函數達到最大值；g(i,j)表示二值化圖像中位于第i行j列的像素點的梯度，distance(x,y)＝1/|x-y|表示兩像素點x和y的行序號差值的倒數；α和γ分別為梯度項和距離項的系數，α∈[0,1]；γ∈[0,1]；表示以i為變量，使f(i)達到最大值時，返回對應的i值的函數，f(i)＝α·g(i,j)+γ·distance(i,candidate(j-1))。