本发明专利技术公开了一种糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法。该方法首先对输入的SD OCT视网膜图像进行去噪预处理，通过定位视网膜神经纤维层RNFL下边界和光感受器内外节层的边界IS/OS来限制高反射信号所在区域，利用基于自适应阈值法确定种子点集合，并通过基于人类视觉特性的区域生长方法提取高反射信号区域。然后通过彩色眼底照相CFP图像与SD OCT投影图像配准并裁剪眼底图像，分割出裁剪后CFP眼底图像中的硬性渗出。最后提取出面积、数目、灰度、高度等一组量化特征用于分析SD OCT视网膜图像中硬性渗出与高反射信号的相关性。本发明专利技术通过配准CFP眼底图像和SD OCT投影图像来确定SD OCT视网膜图像中的硬性渗出区域。
【技术实现步骤摘要】
本专利技术涉及一种病变相关性分析的方法，特别是一种糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法。
技术介绍
SDOCT是一种快速、非侵入式的频域光学相干断层成像技术，它可以有效地呈现视网膜各组织层的结构及病变的临床病理特征，临床实验表明SDOCT图像能够用于视网膜的厚度测量、病变的检测与识别，特征分析等。糖尿病性视网膜病变是糖尿病最常见和最严重的微血管并发症之一，是糖尿病患者视力丧失的主要原因。SDOCT糖尿病性视网膜病变图像中视网膜外丛状层和外核层分布着一些点块状高反射信号，这些高反射信号在糖尿病性视网膜病变的机制还不完全清楚。高反射信号主要是脂质渗出物，蛋白质物质或炎症细胞堆积之后的一种形态学显示，随后可能变成硬性渗出的前驱。目前硬性渗出和高反射信号被广泛的进行研究用于视力下降的预防和治疗。有研究表明高反射信号的增加会导致视力受损，而大部分的高反射信号可能被认为是硬性渗出的前驱，意味着硬性渗出与高反射信号可能存在某种相关性。但是现有技术中尚无相关硬性渗出与高反射信号关系的描述。
技术实现思路
本专利技术的目的在于提出一种糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法。实现本专利技术的目的的技术解决方案为：一种糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法，包括以下步骤：步骤1、采集SDOCT视网膜图像和CFP眼底图像；步骤2、采用双边滤波算法对SDOCT视网膜图像进行去噪；步骤3、利用二维的层分割方法定位视网膜神经纤维层RNFL和光感受器内节/外节IS/OS，从而限制高反射信号所在区域；步骤4、利用自适应阈值法确定高反射信号种子点集合，并根据基于人类视觉特性的区域生长法分割出高反射信号区域；步骤5、根据SDOCT视网膜图像生成投影图像，与CFP眼底图像配准，获得裁剪后CFP眼底图像；步骤6、利用多尺度的显著性检测法结合阈值法分割出裁剪后CFP眼底图像中的硬性渗出；步骤7、根据裁剪后CFP眼底图像定位SDOCT视网膜图像中的硬性渗出，在SDOCT视网膜图像中进行硬性渗出与高反射信号的相关性分析。分别得出硬性渗出与高反射信号在面积、数目、高度、灰度这些特征上存在的关系。本专利技术与现有技术相比，其显著优点：(1)本专利技术首次给出了一种糖尿病性视网膜病变图像中硬性渗出和高反射信号的分析方法；(2)本专利技术通过配准CFP眼底图像和SDOCT投影图像来确定SDOCT视网膜图像中的硬性渗出区域；(3)本专利技术提取了一组特征(面积，数目，灰度分布，高度分布)用于研究SDOCT视网膜图像中硬性渗出与高反射信号间的关系。下面结合附图对本专利技术作进一步详细描述。附图说明图1是本专利技术糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法的流程图。图2是构建高反射信号约束区域的流程图。图3是SDOCT视网膜图像中高反射信号所在区域示意图。图4是SDOCT视网膜图像约束区域。图5是灰度渐变距离图像。图6是IS/OS边界图像。图7是高反射信号约束区域图像。图8是高反射信号种子点集合图像。图9是高反射信号区域二值结果。图10是高反射信号区域轮廓。图11是CFP眼底图像与SDOCT投影图像配准的结果，其中图11(A)为待配准的CFP眼底图像，图11(B)为SDOCT投影图像，图11(C)为配准后叠加的图像，图11(D)为配准后裁剪得到的眼底图像。图12是裁剪后CFP眼底图像中硬性渗出分割的结果，其中图12(A)为裁剪后的眼底图像，图12(B)为硬性渗出分割结果，图12(C)为剔除假硬性渗出后的结果。图13是结合SDOCT视网膜图像和CFP眼底图像分析高反射信号和硬性渗出的结果图，其中图13(A)为裁剪得到的眼底图像，图13(B)为眼底图像中硬性渗出区域和SDOCT投影图像中高反射信号区域对比图，图13(C)和(D)分别为SDOCT视网膜图像其中两帧的硬性渗出和高反射信号区域的对比图。图14是SDOCT视网膜图像中硬性渗出和高反射信号在灰度分布和高度分布上的统计结果，其中图14(A)为灰度分布统计结果，图14(B)为高度分布统计结果。图15是SDOCT视网膜图像中硬性渗出和高反射信号在面积和数目上的相关性分析结果，其中图15(A)为两者在面积上的相关性分析结果，图15(B)为两者在数目上的相关性分析结果。(图14和图15中，左边图为对于非增殖性糖尿病性视网膜病变NPDR的分析结果，右边图为对于增殖性糖尿病性视网膜病变PDR的分析结果)具体实施方式结合图1，本专利技术糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法包括以下步骤：步骤1、采集SD-OCT视网膜图像和CFP眼底图像，采用现有的OCT成像设备和CFP成像设备对视网膜图像进行采集；步骤2、采用双边滤波算法对输入图像进行去噪处理，双边滤波算法的公式为：式中f和h分别为输入和输出图像，函数c(ξ,x)用于测量邻域中心点x和邻域点ξ之间的空间距离，函数s用于测量两点间的灰度相似性，函数c和函数s都是高斯函数，是归一化函数。步骤3、利用二维的层分割方法定位RNFL和IS/OS，从而限制高反射信号所在区域，具体为：步骤3-1、采用图论的方法去估计內界膜(ILM)边界，主要利用垂直方向的梯度和像素灰度构造边的权值，具体权值构造如下：式中Ia和Ia为相邻两个像素点a和b的灰度值，ga和gb表示像素点a和b的归一化梯度图像，λ代表相似度系数，取值为2.0。是一个很小的保真项，取值为1×10-5，*为卷积操作。然后采用动态规划策略求解最短路径，即ILM边界，具体最小权值函数定义：且式中w为窗口大小，这里取作2，ni,j表示图在第i行，第j列的节点，i-w≥1，i+w≤M，M是图一列节点的数目。步骤3-2、从ILM边界往下一定距离寻找梯度最大处的像素点，即为RNFL下边界。梯度最大处像素点的集合定义为：其中i,j表示图像中的第i行，第j列，Δ取值为90，g为梯度算子，即[1,1,1,1,0,-1,-1,-1,-1]。步骤3-3、根据原图像的灰度渐变图像结合曲线拟合的方法分割IS/OS边界，所述曲线拟合方法为四次多项式曲线拟合，具体为：步骤3-3-1、首先根据下式构造灰度渐变图G:步骤3-3-2、求出灰度渐变图的梯度图像，采用滤波器[-1；1]对灰度渐变图像进行滤波得到灰度渐变图像的梯度图。找到梯度图像中每一列灰度最大的像素点，同时排除灰度小于最大灰度一半的像素点，然后对剩下的像素点进行曲线拟合得到曲线f1；步骤3-3-3、在曲线f1上方200像素单位距离内寻找灰度最大的像素点，根据最初找到的灰度最大点初次拟合曲线后，排除曲线上方的像素点，再次对剩下的像素点进行拟合，得到曲线f2；步骤3-3-4、在曲线f2上方30像素范围内寻找梯度最大的像素点，并拟合曲线，排除曲线上方的像素点，再次拟合得到最终的曲线，即IS/OS边界。步骤4、利用自适应阈值法确定高反射信号种子点集合，并根据基于人类视觉特性的区域生长法分割出高反射信号区域的具体步骤为：步骤4-1、通过迭代最大类间方差法逐步逼近最佳阈值，不断缩小目标区域的方法来分割出最终目标，即高反射信号的种子点集合(此处为现有技术，可参考文献：王茜,彭中,刘莉.一种基于自适应阈值的图像分割算法[J].北京理工大学学报,2013,23本文档来自技高网...
【技术保护点】
一种糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法，其特征在于，包括以下步骤：步骤1、采集SD OCT视网膜图像和CFP眼底图像；步骤2、采用双边滤波算法对SD OCT视网膜图像进行去噪；步骤3、利用二维的层分割方法定位视网膜神经纤维层RNFL和光感受器内节/外节IS/OS，从而限制高反射信号所在区域；步骤4、利用自适应阈值法确定高反射信号种子点集合，并根据基于人类视觉特性的区域生长法分割出高反射信号区域；步骤5、根据SD OCT视网膜图像生成投影图像，与CFP眼底图像配准，获得裁剪后CFP眼底图像；步骤6、利用多尺度的显著性检测法结合阈值法分割出裁剪后CFP眼底图像中的硬性渗出；步骤7、根据裁剪后CFP眼底图像中硬性渗出定位SD OCT视网膜图像中的硬性渗出，在SD OCT视网膜图像中进行硬性渗出与高反射信号的相关性分析，分别得出硬性渗出与高反射信号在面积、数目、高度、灰度这些特征上存在的关系。
【技术特征摘要】
1.一种糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法，其特征在于，包括以下步骤：步骤1、采集SDOCT视网膜图像和CFP眼底图像；步骤2、采用双边滤波算法对SDOCT视网膜图像进行去噪；步骤3、利用二维的层分割方法定位视网膜神经纤维层RNFL和光感受器内节/外节IS/OS，从而限制高反射信号所在区域；步骤4、利用自适应阈值法确定高反射信号种子点集合，并根据基于人类视觉特性的区域生长法分割出高反射信号区域；步骤5、根据SDOCT视网膜图像生成投影图像，与CFP眼底图像配准，获得裁剪后CFP眼底图像；步骤6、利用多尺度的显著性检测法结合阈值法分割出裁剪后CFP眼底图像中的硬性渗出；步骤7、根据裁剪后CFP眼底图像中硬性渗出定位SDOCT视网膜图像中的硬性渗出，在SDOCT视网膜图像中进行硬性渗出与高反射信号的相关性分析，分别得出硬性渗出与高反射信号在面积、数目、高度、灰度这些特征上存在的关系。2.根据权利要求1所述的糖尿病性视网膜病变图像中硬性渗出与高反射信号的分析方法，其特征在于，步骤2采用双边滤波算法对输入图像进行去噪处理，双边滤波算法的公式为：h(x)=k-1(...
【专利技术属性】
技术研发人员：陈强，牛四杰，俞晨琛，袁松涛，范雯，
申请(专利权)人：南京理工大学，江苏省人民医院，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。