The invention discloses a frequency domain optical coherence tomography based on convexity (SD OCT) retinal image choroidal neovascularization (CNV) segmentation method, which belongs to the technical field of image processing. Firstly, SD OCT the input image to estimate the retinal and choroidal regional positioning, internal limiting membrane (ILM) and choroid sclera interface (CSJ), and then according to the estimation of the retinal pigment epithelium reflectivity gradient characteristics of retinal images (RPE) layer, estimation of Bruch film with concave convex RPE layer (BM) finally, according to the RPE layer and BM layer thickness difference estimation for CNV area preliminary, final CNV by modified CNV boundary segmentation results. The experimental results show that the algorithm presented in this paper can be used to segment CNV robustly and accurately, which is of great significance to facilitate the subsequent quantitative analysis of CNV and improve the working efficiency of doctors.
【技术实现步骤摘要】
本专利技术涉及一种CNV自动分割方法,特别是一种基于频域光学相干断层(SD-OCT)视网膜图像的CNV自动分割方法。
技术介绍
脉络膜新生血管(CNV)是老年黄斑变性(AMD)晚期的一种主要表现形式,会导致视网膜下出血、下积液渗出等影响视力的病变出现。传统的CNV病变测量主要基于荧光造影和靛青绿血管造影等二维成像技术,光学相干(OCT)成像技术可以有效地获得眼底的三维图像,基于OCT血管造影图像可以测量CNV的体积等三维参数,从而更加有效地分析CNV。目前,只有基于OCT血管造影图像的自动CNV分割方法,还没有基于频域OCT(SD-OCT)的CNV自动分割方法,因为CNV在SD-OCT图像中不能像OCT血管造影图像一样,通过颜色差异较容易地分辨。
技术实现思路
本专利技术的目的在于提供一种基于凹凸性的SD-OCT视网膜图像CNV分割方法。实现本专利技术的目的的技术解决方案为:一种基于凹凸性的SD-OCT视网膜图像CNV分割方法,包括以下步骤:步骤1、采集SD-OCT视网膜图像;步骤2、采用双边滤波算法对输入图像进行去噪处理;具体是将传统的双边滤波的各项同性高斯邻域窗口改为各项异性的高斯邻域窗口,其中,传统的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均为高斯函数,是归一化函数。步骤3、根据反射率特性估计视网膜和脉络膜区域;具体为:采用模板大小为95×95均值滤波平滑步骤2去噪后的图像,得到图像I,通过求图像I每行的平均值得到垂直投影图像PI ...
【技术保护点】
一种基于凹凸性的SD‑OCT视网膜图像CNV分割方法,其特征在于,包括以下步骤:步骤1、采集频域光学相干断层SD‑OCT视网膜图像;步骤2、采用双边滤波算法对输入图像进行去噪处理;步骤3、根据反射率特性估计视网膜和脉络膜区域;步骤4、定位内界膜ILM和脉络膜‑巩膜分界面CSJ的边界;步骤5、根据视网膜图像的反射率渐变特性估计视网膜色素上皮RPE层;步骤6、利用视网膜色素上皮RPE层的凹凸性估计布鲁赫膜BM层;步骤7、根据视网膜色素上皮RPE和布鲁赫膜BM层的厚度差估计初步的视网膜图像脉络膜新生血管CNV;步骤8、修正脉络膜新生血管CNV的上边界得到最终的脉络膜新生血管CNV分割结果。
【技术特征摘要】
1.一种基于凹凸性的SD-OCT视网膜图像CNV分割方法,其特征在于,包括以下步骤:步骤1、采集频域光学相干断层SD-OCT视网膜图像;步骤2、采用双边滤波算法对输入图像进行去噪处理;步骤3、根据反射率特性估计视网膜和脉络膜区域;步骤4、定位内界膜ILM和脉络膜-巩膜分界面CSJ的边界;步骤5、根据视网膜图像的反射率渐变特性估计视网膜色素上皮RPE层;步骤6、利用视网膜色素上皮RPE层的凹凸性估计布鲁赫膜BM层;步骤7、根据视网膜色素上皮RPE和布鲁赫膜BM层的厚度差估计初步的视网膜图像脉络膜新生血管CNV;步骤8、修正脉络膜新生血管CNV的上边界得到最终的脉络膜新生血管CNV分割结果。2.根据权利要求1所述的基于凹凸性的SD-OCT视网膜图像CNV分割方法,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,具体是将传统的双边滤波的各项同性高斯邻域窗口改为各项异性的高斯邻域窗口,其中,传统的双边滤波算法的公式为:h(x)=k-1(x)∫-∞∞∫-∞∞f(ξ)c(ξ,x)s(f(ξ),f(x))dξ]]>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均为高斯函数,是归一化函数。3.根据权利要求1所述的基于凹凸性的SD-OCT视网膜图像CNV分割方法,其特征在于,步骤3根据反射率特性估计视网膜和脉络膜区域,具体为:采用模板大小为95×95均值滤波平滑步骤2去噪后的图像,得到图像I,通过求图像I每行的平均值得到垂直投影图像PI,然后采用阈值t对平滑后的图像I进行二值化处理,取二值化结果中面积最大的连通区域为视网膜和脉络膜区域:t=PImasx_i+4其中PImasx_i表示投影图像PI中出现次数最多的灰度值。4.根据权利要求1所述的基于凹凸性的SD-OCT视网膜图像CNV分割方法,其特征在于,步骤4定位内界膜ILM和脉络膜-巩膜分界面CSJ的边界具体为:步骤4-1、采用模板大小为61×1均值滤波平滑步骤2去噪后的图像,得到图像I′;步骤4-2、生成灰度渐变距离图像DD(x,y)=D(x-1,y)+1ifIa′(x-1,y)<Ia′(x,y)0ifIa′(x-1,y)≥Ia′(x,y)]]>式中(x,y)表示图像像素坐标,表示垂直方向的灰度差,‘*’表示卷积算子;步骤4-3、生成灰度渐变距离图像的垂直差分图像同时将垂直差分图像中处于视网膜和脉络膜区域以外的区域置为0;步骤4-4、取垂直差分图像每列中值最大的前两个点中横坐标较小者为初步的内界膜ILM边界点,然后...
【专利技术属性】
技术研发人员:陈强,俞晨琛,李鸣超,李苹,
申请(专利权)人:南京理工大学,
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。