[發(fā)明專利]一種基于OCT圖像的視網(wǎng)膜分層方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811037997.2
• 申請(qǐng)日: 2018-09-06
• 公開（公告）號(hào): CN109325955B
• 公開（公告）日: 2021-10-19
• 發(fā)明（設(shè)計(jì)）人: 周揚(yáng);岑崗;石龍杰;周武杰;陳正偉;陳才;毛建衛(wèi);劉鐵兵;施秧
• 申請(qǐng)（專利權(quán)）人: 浙江科技學(xué)院
• 主分類號(hào): G06T7/12
• 分類號(hào): G06T7/12;G06K9/62
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 林超

1.一種基于OCT圖像的視網(wǎng)膜分層方法，其特征在于包括以下步驟：

1）采集眼底的OCT圖像作為樣本圖像；

2）將步驟1）的樣本圖像作灰度歸一化處理，將處理后的樣本圖像進(jìn)行均值濾波；

3）將步驟2）經(jīng)過均值濾波的樣本圖像進(jìn)行高斯濾波，然后使用sobel算子求取高斯濾波后的樣本圖像中每個(gè)像素點(diǎn)的縱向梯度；設(shè)定正負(fù)閾值，將縱向梯度和正、負(fù)閾值進(jìn)行比較，將縱向梯度大于正閾值的上邊界作為內(nèi)界膜層上界，將梯度小于負(fù)閾值的上邊界作為布魯赫膜層；再使用邊界修正方法修正內(nèi)界膜層上界和布魯赫膜層；

4）根據(jù)步驟3）的結(jié)果將樣本圖像進(jìn)行展平；

以布魯赫膜層中縱坐標(biāo)最大的像素點(diǎn)為基準(zhǔn)像素點(diǎn)，對(duì)于除基準(zhǔn)像素點(diǎn)所在圖像列以外的每一圖像列，向下平移每個(gè)圖像列中布魯赫膜層的像素點(diǎn)使得與基準(zhǔn)像素點(diǎn)的縱坐標(biāo)對(duì)齊，平移后圖像中缺失的像素點(diǎn)補(bǔ)零；

5）計(jì)算樣本圖像中每個(gè)像素所在位置的多種特征；

所述步驟5）中，所述的多種特征為以下特征：

5-1）對(duì)每個(gè)像素點(diǎn)進(jìn)行高斯混合濾波并設(shè)每個(gè)像素點(diǎn)為待測(cè)像素點(diǎn)，獲得每個(gè)待測(cè)像素點(diǎn)所在的圖像列中從內(nèi)界膜層界線到待測(cè)像素點(diǎn)的所有像素點(diǎn)，計(jì)算所有像素從內(nèi)界膜層界線起的高斯一階縱向梯度的累計(jì)和；

5-2）取三個(gè)像素大小不同的矩陣模板Ⅰ、Ⅱ、Ⅲ，計(jì)算每個(gè)像素點(diǎn)在三個(gè)矩陣模板范圍內(nèi)的平均梯度；

5-3）建立矩陣模板Ⅳ，矩陣模板Ⅳ的上面1/3行元素值為-1且下面1/3行元素值為-1且中間1/3行元素值為1，對(duì)矩陣模板Ⅰ進(jìn)行歸零化處理，使用歸零化后的矩陣模板Ⅳ遍歷每個(gè)像素點(diǎn)進(jìn)行濾波；

5-4）建立矩陣模板Ⅴ，矩陣模板Ⅴ的上面1/2行元素值為-1且下面1/2行元素值為1，對(duì)矩陣模板Ⅴ進(jìn)行歸零化處理，使用歸零化后的矩陣模板Ⅴ遍歷每個(gè)像素點(diǎn)進(jìn)行濾波；

5-5）使用sobel算子求解每個(gè)像素的X方向梯度和Y方向梯度，進(jìn)而計(jì)算由X方向梯度和Y方向梯度組成的復(fù)合梯度向量的梯度模和梯度方向，從而得到每個(gè)像素的X方向梯度、Y方向梯度、復(fù)合梯度向量的梯度模和梯度方向；

5-6）使用Laplacian算子求解每個(gè)像素的梯度；

5-7）計(jì)算每個(gè)像素點(diǎn)與其相鄰的上方像素點(diǎn)的灰度差值；

5-8）計(jì)算每個(gè)像素點(diǎn)與其相鄰的下方像素點(diǎn)的灰度差值；

5-9）取5-2）中的三個(gè)矩陣模板Ⅰ、Ⅱ、Ⅲ，計(jì)算每個(gè)像素點(diǎn)和位于其相鄰的上方像素點(diǎn)分別在三個(gè)矩陣模板范圍內(nèi)的平均灰度，計(jì)算兩個(gè)平均灰度的差值；

5-10）對(duì)每個(gè)像素點(diǎn)進(jìn)行Gabor濾波；

6）獲得樣本圖像的已分層眼底OCT圖像，按照步驟2）-5）獲得已分層眼底OCT圖像的多種特征，將已分層眼底OCT圖像的多種特征作為訓(xùn)練集輸入訓(xùn)練分類器；

7）將待分層眼底OCT圖像作為待測(cè)圖像，按照步驟2）-5）進(jìn)行處理獲得待測(cè)圖像的多種特征，將待測(cè)圖像的多種特征輸入至已經(jīng)完成訓(xùn)練的訓(xùn)練分類器，訓(xùn)練分類器輸出待測(cè)圖像中每個(gè)像素點(diǎn)位于視網(wǎng)膜層各個(gè)界線的概率；

8）根據(jù)每個(gè)像素點(diǎn)位于各個(gè)界線的概率構(gòu)建連通圖，使用圖論算法尋找訓(xùn)練分類器輸出的最優(yōu)邊界點(diǎn)，最終確定界線位置。

2.根據(jù)權(quán)利要求1所述的一種基于OCT圖像的視網(wǎng)膜分層方法，其特征在于：所述步驟6）中的已分層的眼底OCT圖像按照從上至下依次分為十條界線：內(nèi)界膜層上界、視網(wǎng)膜神經(jīng)纖維層-神經(jīng)節(jié)細(xì)胞層邊界、神經(jīng)節(jié)細(xì)胞層-內(nèi)叢狀層邊界、內(nèi)叢狀層-內(nèi)核層邊界、內(nèi)核層-外叢狀層邊界、外叢狀層-外核層邊界、外核層-感光細(xì)胞層內(nèi)節(jié)邊界、感光細(xì)胞層內(nèi)節(jié)-感光細(xì)胞層外節(jié)邊界、感光細(xì)胞層外節(jié)邊界-視網(wǎng)膜色素上皮層邊界、布魯赫膜層。