从光学相干断层图像获取视网膜结构的方法及其系统技术方案
【技术实现步骤摘要】
本专利技术涉及光学成像
，尤其涉及一种从光学相干断层图像获取视网膜结构的方法及其系统。
技术介绍
光学相干断层成像(OpticalCoherenceTomography,OCT)是一种对成像表面组织结构无损的光学信号获取和处理方法。近些年来，OCT已经成为一种主要的视网膜疾病诊断技术。对于视网膜的病变诊断来说，医生们需要实时的对正常和病变视网膜图像进行分割，识别和诊断。OCT能获得比其他成像手段比如超声，X光，磁共振成像更高的空间分辨率(几微米)，因此近年来获得广泛关注。由于对视网膜的不同层进行量化分析可以帮助诊断视功能改变并帮助医生对青光眼、老年性黄斑变性、I型糖尿病、多发性硬化症、阿尔茨海默症及帕金森病进行诊断，因此，在保证速度和精度的前提下，对视网膜的不同层的厚度进行量化分析具有重要的意义。有人利用图割方法分割视网膜，对10个正常人的100幅视网膜数据进行分析得到的误差为0.94±0.82微米，其平均速度为9740毫秒每幅。然而，现有的分割方法速度普遍较慢，无法同时满足医生的实时性和精确性需求。
技术实现思路
本专利技术所要解决的技术问题是，采用新的策略，在满足精度要求的同时，提高正常和异常人眼的图像分割速度。本专利技术提供了一种从光学相干断层图像获取视网膜结构的方法，所述方法包括：计算单幅视网膜光学相干断层源图像的感兴趣区图像；对所述感兴趣区图像进行高斯滤波；利用多分辨率法计算高斯滤波后的所述第一层边界的第一估计边界位置和所述第二层边界的第二估计边界位置；对主动轮廓模型进行简化处理，利用简化处理后的主动轮廓模型，根据所述第一估计...
【技术保护点】
一种从光学相干断层图像获取视网膜结构的方法，其特征在于，所述方法包括：计算单幅视网膜光学相干断层源图像的感兴趣区图像；对所述感兴趣区图像进行高斯滤波；利用多分辨率法计算高斯滤波后的所述第一层边界的第一估计边界位置和所述第二层边界的第二估计边界位置；对主动轮廓模型进行简化处理，利用简化处理后的主动轮廓模型，根据所述第一估计边界位置和所述第二估计边界位置，分别对所述第一层边界和所述第二层边界进行初分割，得到所述第一层边界的第一初始轮廓位置和所述第二层边界的第二初始轮廓位置；利用Savitzky‑Golay滤波方法，对所述第一初始轮廓位置和所述第二初始轮廓位置进行光滑处理，并将光滑处理后的所述第一初始轮廓位置和所述第二初始轮廓位置分别作为所述第一层边界的分割位置和所述第二层边界的分割位置；根据所述第一层边界的分割位置和所述第二层边界的分割位置，获取所述感兴趣区图像中剩余的层边界的分割位置，以得到所述感兴趣区图像中的所有层边界的分割位置。
【技术特征摘要】
1.一种从光学相干断层图像获取视网膜结构的方法，其特征在于，所述方法包括：计算单幅视网膜光学相干断层源图像的感兴趣区图像；对所述感兴趣区图像进行高斯滤波；利用多分辨率法计算高斯滤波后的所述第一层边界的第一估计边界位置和所述第二层边界的第二估计边界位置；对主动轮廓模型进行简化处理，利用简化处理后的主动轮廓模型，根据所述第一估计边界位置和所述第二估计边界位置，分别对所述第一层边界和所述第二层边界进行初分割，得到所述第一层边界的第一初始轮廓位置和所述第二层边界的第二初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第一初始轮廓位置和所述第二初始轮廓位置进行光滑处理，并将光滑处理后的所述第一初始轮廓位置和所述第二初始轮廓位置分别作为所述第一层边界的分割位置和所述第二层边界的分割位置；根据所述第一层边界的分割位置和所述第二层边界的分割位置，获取所述感兴趣区图像中剩余的层边界的分割位置，以得到所述感兴趣区图像中的所有层边界的分割位置。2.如权利要求1所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，计算单幅视网膜光学相干断层源图像的感兴趣区图像，包括：将所述单幅视网膜光学相干断层源图像沿其横向进行像素投影，得到纵向-灰阶曲线；从所述纵向-灰阶曲线获取像素灰阶最高值和像素灰阶第二高值；根据所述像素灰阶最高值所在纵向位置到所述视网膜光学相干断层源图像的顶端的距离或所述像素灰阶第二高值所在纵向位置到所述视网膜光学相干断层源图像的底端的距离，以及一设定常数，确定所述感兴趣区图像的高度、顶端边界和底端边界；根据所述感兴趣区图像的高度、顶端边界和底端边界，截取得到所述感兴趣区图像。3.如权利要求1所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，利用多分辨率法计算高斯滤波后的所述第一层边界的第一估计边界位置和所述第二层边界的第二估计边界位置，包括：根据纵向上的设定尺度因子，对高斯滤波后的所述感兴趣区图像进行下采样；计算下采样后的所述感兴趣区图像的纵向灰度梯度模；将所述感兴趣区图像的纵向灰度梯度模的初步最大值和初步第二大值分别作为所述第一层边界的纵向位置和所述第二层边界的纵向位置；确定所述初步最大值和初步第二大值后，将下采样后的所述感兴趣区图像的横向位置乘以一设定横向值，纵向位置乘以一设定纵向值，计算得到所述第一估计边界位置和所述第二估计边界的位置。4.如权利要求1所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据所述第一层边界的分割位置和所述第二层边界的分割位置，获取所述感兴趣区图像中剩余的层边界的分割位置，以得到所述感兴趣区图像中的所有层边界的分割位置，包括：以所述第一层边界的分割位置作为参考位置，对所述感兴趣区图像进行扁平化处理；根据所述第一层边界的分割位置，确定外节-色素上皮层的分割位置和外网状层-外核层的分割位置；根据所述外节-色素上皮层的分割位置和所述外网状层-外核层的分割位置，分别确定色素上皮层-脉络膜的分割位置和内核层-外网状层的分割位置；根据所述内核层-外网状层的分割位置，确定内网层-内核层的分割位置；根据所述内网层-内核层的分割位置和所述第二层边界的分割位置，确定神经纤维层-神经节细胞层的分割位置；对获得所有层边界的分割位置后的所述感兴趣区图像进行扁平化处理逆操作，得到所述感兴趣区图像中的所有层边界的分割位置；其中，所述第一层边界和所述第二边界层分别为所述内节-外节的边界和所述玻璃体-视神经纤维层的边界；所述内节-外节的边界、所述玻璃体-视神经纤维层的边界、所述外节-色素上皮层的边界、所述外网状层-外核层的边界、所述色素上皮层-脉络膜的边界、所述内核层-外网状层的边界、所述内网层-内核层的边界及所述神经纤维层
\t-神经节细胞层的边界构成所述所有层边界的分割位置。5.如权利要求4所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据所述第一层边界的分割位置，确定外节-色素上皮层的分割位置和外网状层-外核层的分割位置，包括：根据所述第一层边界的分割位置，对所述外节-色素上皮层的边界进行初始化；利用简化处理后的主动轮廓模型，对初始化后的所述外节-色素上皮层的边界进行初分割，得到第四初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第四初始轮廓位置进行光滑处理，并将光滑处理后的所述第四初始轮廓位置作为所述外节-色素上皮层的边界的分割位置。6.如权利要求4所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据所述外节-色素上皮层的分割位置和所述外网状层-外核层的分割位置，分别确定色素上皮层-脉络膜的分割位置和内核层-外网状层的分割位置，包括：根据所述外节-色素上皮层的分割位置和所述外网状层-外核层的分割位置，分别对色素上皮层-脉络膜的边界和所述内核层-外网状层的边界进行初始化；利用简化处理后的主动轮廓模型，对初始化后的所述色素上皮层-脉络膜的边界和初始化后的所述内核层-外网状层的边界进行初分割，分别得到第五初始轮廓位置和第六初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第五初始轮廓位置和所述第六初始轮廓位置进行光滑处理，并将光滑处理后的所述第五初始轮廓位置和所述第六初始轮廓位置分别作为所述色素上皮层-脉络膜的边界的分割位置和所述内核层-外网状层的边界的分割位置。7.如权利要求4所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据所述内核层-外网状层的分割位置，确定内网层-内核层的分割位置，包括：根据所述内核层-外网状层的分割位置，对所述内网层-内核层的边界进行初始化；利用简化处理后的主动轮廓模型，对初始化后的所述内网层-内核层的边界进行初分割，得到第七初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第七初始轮廓位置进行光滑处理，并将光滑处理后的所述第七初始轮廓位置作为所述内网层-内核层的边界的分割位置。8.如权利要求4所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据所述内网层-内核层的分割位置和所述第二层边界的分割位置，确定神经纤维层-神经节细胞层的分割位置，包括：根据所述内网层-内核层的分割位置和所述第二层边界的分割位置，对神经纤维层-神经节细胞层的边界进行初始化；利用简化处理后的主动轮廓模型，对初始化后的所述神经纤维层-神经节细胞层的边界进行初分割，得到第八初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第八初始轮廓位置进行光滑处理，并将光滑处理后的所述第八初始轮廓位置作为所述神经纤维层-神经节细胞层的边界的分割位置。9.如权利要求1-8中任一权利要求所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，简化处理后的主动轮廓模型只包含图像能项，所述图像能项为：Eimage=Σj=k+1j=k+nf(xi,yj)-Σj=k-1j=k-nf(xi,yj),]]>其中，Eimage为图像能项，f(xi,yj)是像素(xi,yj)的灰度值，i和j分别是像素(xi,yj)在横向x和纵向y上的位置，k是层边界中的当前像素位置，n是像素位置k的纵向邻域半径。10.一种从光学相干断层图像获取视网膜结构的方法，其特征在于，所述方法包括：计算三维图像体数据的第一帧的视网膜光学相干断层源图像的感兴趣区图像；对第一帧的所述感兴趣区图像进行高斯滤波；根据多分辨率法和简化处理后的主动轮廓模型，获取第一帧的所述感兴趣区图像中第一层边界和第二层边界的分割位置；根据所述第一层边界的分割位置和所述第二层边界的分割位置，获取第一帧的所述感兴趣区图像中剩余的层边界的分割位置，以得到第一帧的所述感兴趣区图像中的所有层边界的分割位置；根据第一帧的所述感兴趣区图像中的所有层边界的分割位置，确定所述第二帧图像中的层边界的分割位置，根据第二帧图像中的层边界的分割位置，确定第三帧图像中的层边界的分割位置，依次迭代得到剩余所有帧图像中的层边界的分割位置，其中，
\t第一帧、第二帧及第三帧是依次相邻的帧。11.如权利要求10所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，计算三维图像体数据的第一帧的视网膜光学相干断层源图像的感兴趣区图像，包括：将所述第一帧的视网膜光学相干断层源图像沿其横向进行像素投影，得到纵向-灰阶曲线；从所述纵向-灰阶曲线获取像素灰阶最高值和像素灰阶第二高值；根据所述像素灰阶最高值所在纵向位置到所述视网膜光学相干断层源图像的顶端的距离或所述像素灰阶第二高值所在纵向位置到所述视网膜光学相干断层源图像的底端的距离，以及一设定常数，确定第一帧的所述感兴趣区图像的高度、顶端边界和底端边界；根据第一帧的所述感兴趣区图像的高度、顶端边界和底端边界，截取得到第一帧的所述感兴趣区图像。12.如权利要求10所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据多分辨率法和简化处理后的主动轮廓模型，获取第一帧的所述感兴趣区图像中第一层边界和第二层边界的分割位置，包括：利用多分辨率法计算高斯滤波后的所述第一层边界的第一估计边界位置和所述第二层边界的第二估计边界位置；对主动轮廓模型进行简化处理，利用简化处理后的主动轮廓模型，根据所述第一估计边界位置和所述第二估计边界位置，分别对所述第一层边界和所述第二层边界进行初分割，得到所述第一层边界的第一初始轮廓位置和所述第二层边界的第二初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第一初始轮廓位置和所述第二初始轮廓位置进行光滑处理，并将光滑处理后的所述第一初始轮廓位置和所述第二初始轮廓位置分别作为所述第一层边界的分割位置和所述第二层边界的分割位置。13.如权利要求10所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据所述第一层边界的分割位置和所述第二层边界的分割位置，获取第一帧的所述感兴趣区图像中剩余的层边界的分割位置，以得到第一帧的所述感兴趣区图像中的所有层边界的分割位置，包括：以所述第一层边界的分割位置作为参考位置，对第一帧的所述感兴趣区图像进行扁平化处理；根据所述第一层边界的分割位置，确定外节-色素上皮层的分割位置和外网状层-外核层的分割位置；根据所述外节-色素上皮层的分割位置和所述外网状层-外核层的分割位置，分别确定色素上皮层-脉络膜的分割位置和内核层-外网状层的分割位置；根据所述内核层-外网状层的分割位置，确定内网层-内核层的分割位置；根据所述内网层-内核层的分割位置和所述第二层边界的分割位置，确定神经纤维层-神经节细胞层的分割位置；对获得所有层边界的分割位置后的所述感兴趣区图像进行扁平化处理逆操作，得到第一帧的所述感兴趣区图像中的所有层边界的分割位置；其中，所述第一层边界和所述第二边界层分别为所述内节-外节的边界和所述玻璃体-视神经纤维层的边界；所述内节-外节的边界、所述玻璃体-视神经纤维层的边界、所述外节-色素上皮层的边界、所述外网状层-外核层的边界、所述色素上皮层-脉络膜的边界、所述内核层-外网状层的边界、所述内网层-内核层的边界及所述神经纤维层-神经节细胞层的边界构成所述所有层边界的分割位置。14.如权利要求10所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据第一帧的所述感兴趣区图像中的所有层边界的分割位置，确定所述第二帧图像中的层边界的分割位置，根据第二帧图像中的层边界的分割位置，确定第三帧图像中的层边界的分割位置，依次迭代得到剩余所有帧图像中的层边界的分割位置，包括：对所述第二帧图像进行高斯滤波；根据第一帧的所述感兴趣区图像中的所有层边界的分割位置，利用设定的Kalman滤波模型对高斯滤波后的所述第二帧图像中的层边界进行初始化；利用简化处理后的主动轮廓模型，估计初始化后的所述第二帧图像中的层边界的第三初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第三初始轮廓位置进行光滑处理，并将光滑处理后的所述第三初始轮廓位置作为所述第二帧图像中的层边界的分割位置。15.如权利要求13所述的从光学相干断层图像获取视网膜结构的方法，其特征
\t在于，根据所述第一层边界的分割位置，确定外节-色素上皮层的分割位置和外网状层-外核层的分割位置，包括：根据所述第一层边界的分割位置，对所述外节-色素上皮层的边界进行初始化；利用简化处理后的主动轮廓模型，对初始化后的所述外节-色素上皮层的边界进行初分割，得到第四初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第四初始轮廓位置进行光滑处理，并将光滑处理后的所述第四初始轮廓位置作为所述外节-色素上皮层的边界的分割位置。16.如权利要求13所述的从光学相干断层图像获取视网膜结构的方法，其特征在于，根据所述外节-色素上皮层的分割位置和所述外网状层-外核层的分割位置，分别确定色素上皮层-脉络膜的分割位置和内核层-外网状层的分割位置，包括：根据所述外节-色素上皮层的分割位置和所述外网状层-外核层的分割位置，分别对色素上皮层-脉络膜的边界和所述内核层-外网状层的边界进行初始化；利用简化处理后的主动轮廓模型，对初始化后的所述色素上皮层-脉络膜的边界和初始化后的所述内核层-外网状层的边界进行初分割，分别得到第五初始轮廓位置和第六初始轮廓位置；利用Savitzky-Golay滤波方法，对所述第五初始轮廓位置和所述第六初始轮廓位置进行光滑处理，...
【专利技术属性】
技术研发人员：胡庆茂，张天桥，
申请(专利权)人：深圳先进技术研究院，
类型：发明
国别省市：广东;44
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。