基于凹凸性的SD‑OCT视网膜图像CNV分割方法技术

本发明专利技术公开了一种基于凹凸性的频域光学相干断层(SD‑OCT)视网膜图像脉络膜新生血管(CNV)分割方法，属于图像处理技术领域。该方法首先对输入的SD‑OCT图像估计视网膜和脉络膜区域，定位内界膜(ILM)和脉络膜‑巩膜分界面(CSJ)，然后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，利用RPE层的凹凸性估计布鲁赫膜(BM)层，最后根据RPE和BM层的厚度差估计得到初步的CNV区域，通过修正CNV的上边界得到最终的CNV分割结果。实验结果表明，本发明专利技术中所给出算法能够鲁棒精确地分割CNV，对方便后续的CNV定量分析和提高医生的工作效率具有重要意义。

SD OCT retinal image segmentation method based on CNV convexity

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，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。步骤4、定位ILM和CSJ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D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，然后采用三阶多项式拟合去除错误的内界膜ILM边界点，最后采用直线连接剩下的内界膜ILM边界点得到最终的内界膜ILM边界；步骤4-5、取步骤3所得视网膜和脉络膜区域的下边界近似为CSJ边界。步骤5、根据视网膜图像的反射率渐变特性估计RPE层；具体为：步骤5-1、将垂直差分图像中靠近内界膜ILM边界距离19个像素以内的区域置为0；步骤5-2、归一化步骤5-1得到的垂直差分图像，然后取归一化垂直差分图像每列中的最大值，如果最大值大于0.2，则将该点置为RPE边界点；步骤5-3、采用9×9中值滤波平滑步骤5-2得到的视网膜色素上皮RPE边界点得到最终的视网膜色素上皮RPE层。步骤6、利用RPE层的凹凸性估计BM层；具体为：步骤6-1、首先在x方向通过如下两步对RPE层进行凸包拟合：(1)将RPE上方区域都填充成目标区域，(2)采用Matlab函数regionprops拟合得到目标区域的凸包；然后将拟合得到的凸包区域的下边界作为初步的BM布鲁赫膜边界；步骤6-2、在y方向对初步的布鲁赫膜BM边界再采用函数regionprops进行一次凸包拟合，然后将拟合得到的凸包区域的下边界作为最终的BM边界。步骤7、根据RPE和BM的厚度差估计初步的CNV；具体为：步骤7-1、生成视网膜色素上皮RPE和布鲁赫膜BM的厚度差图像DH，然后采用高阈值thr_high和低阈值thr_low求厚度差图像DH的二值图像BW_low和BW_high，然后将BW_high中的目标像素作为种子点在BW_low图像中进行种子生长得到初步的CNV投影图像，最后对CNV投影图像中每个连通区域根据面积和平均厚度去除虚假的CNV，即连续区域面积小于15个像素，或者连通区域面积小于200个像素且归一化后的平均厚度小于0.2，就被作为虚假CNV去除；步骤7-2、对去除虚假CNV的投影图像的目标或CNV区域进行空洞填充得到初步的CNV。步骤8、修正CNV的上边界得到最终的CNV分割结果。具体为：步骤8-1、对每个CNV区域的上边界进行修正，在步骤2的去噪图像中，以当前CNV的上边界点为起始点，在该点的垂直向上100个像素区域内寻找与起始点灰度值差异在15以内的连通区域的上边界作为更新后的CNV上边界点；步骤8-2、对更新后的CNV上表面采用窗口大小为5×5，标准差为1.5的高斯滤波平滑后得到最终的CNV分割结果。本专利技术与现有技术相比，其显著优点为：本专利技术考虑了视网膜黄斑区RPE层的形态特征和反射率特性，克服了CNV病变边界模糊甚至缺失的困难，同时克服了水肿等视网膜其它病变对CNV分割的影响，能够全自动、快速、鲁邦、精确地分割CNV。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是本专利技术基于凹凸性的SD-OCT视网膜图像CNV分割方法的流程图。图2是定位ILM和CSJ边界的流程图。图3是根据视网膜图像的反射率渐变特性估计RPE层的流程图。图4是利用RPE层的凹凸性估计BM层的流程图。图5是根据RPE和BM的厚度差估计初步的CNV的流程图。图6是修正CNV的上边界得到最终的CNV分割结果的流程图。图7是一帧带组织标注信息的原始SD-OCT视网膜图像。图8是双边滤波平滑结果图像。图9是估计得到的视网膜和脉络膜区域图像。图10是视网膜和脉络膜区域内的灰度渐变距离图像。图11是灰度渐变距离图像的垂直差分图像。图12是ILM和CSJ边界定位结果。图13是RPE层检测结果。图14是BM边界检测结果。图15是CNV初步分割结果。图16是最终的CNV分割结果。具体实施方式本专利技术的一种基于凹凸性的频域光学相干断层(SD-OCT)视网膜图像脉络膜新生血管(CNV)分割方法，首先对输入的SD-OCT图像估计视网膜和脉络膜区域，定位内界膜(ILM)和脉络膜-巩膜分界面(CSJ)，然后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，利用RPE层的凹凸性估计布鲁赫膜(BM)层，最后根据RPE和BM层的厚度差估计得到初步的CNV区域，通过修正CNV的上边界得到最终的CNV分割结果。结合图1，本专利技术的基于SD-OCT视网膜图像的地图状萎缩投影图像生成方法包括以下步骤：步骤1、采集SD-OCT视网膜图像，采用现有的OCT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。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都是高斯函数，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。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本文档来自技高网...

【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