【技术实现步骤摘要】
Coherence Tomography Volume Data of the Macular Region,PLoS ONE,10(8),e0133908,(2015).)中提出了一种基于最短路径图搜的视网膜边界分割算法,同时引入帧间扁平化、掩膜和阈值等方法减少处理时间,仅需26.15s便可完成对视网膜OCT体数据的八层自动分割,相较其他类似算法速度提高了五倍,分割误差约为4μm。基于图论的分割技术结合了图论算法处理数据局部域特征和目标函数易于优化处理全局信息的优点,兼顾了局部域特征与全局域特征的平衡。其主要思想是把每一幅OCT图像构建一个完全加权图,然后通过利用加权图顶点的梯度信息和空间关系计算关联矩阵,最后利用图最小割算法和图搜索算法等全局最优化算法求解目标函数,得到最优解。然而传统的基于图论的分层方法过于依赖事先确定的表面平滑约束参数,当面对不同形态的视网膜目标层表面分割任务时,各层分割精度无法统一,甚至会出现误分割的情况。此外,基于图论的分层方法在对存在病灶的视网膜图像进行分割时,还会出现曲率过大所导致的分割失败,为医生的诊断和治疗增添了额外的负担。
[0005]所以,现在有必要对现有技术进行改进,以提供一种更可靠的方案。
技术实现思路
[0006]本专利技术所要解决的技术问题在于针对上述现有技术中的不足,提供一种视网膜OCT图像自动分层方法及系统。
[0007]为解决上述技术问题,本专利技术采用的技术方案是:一种视网膜OCT图像自动分层方法,该方法为:首先根据视网膜OCT图像建立无向节点图,然后按照像素强度对视网膜 ...
【技术保护点】
【技术特征摘要】
1.一种视网膜OCT图像自动分层方法,其特征在于,该方法为:首先根据视网膜OCT图像建立无向节点图,然后按照像素强度对视网膜各层进行权值分配,再利用Dijkstra算法在限定区域内动态搜索最小加权路径,即分割出第一层边界后,通过分割结果限定新的搜索空间,从而进行对下一层边界的分割,最终按照视网膜各层边界的突出顺序,分割出以下层边界:玻璃体
‑
神经纤维层边界、神经纤维
‑
神经节细胞层边界、内网状
‑
内核层边界、内核
‑
外网状层边界、外网状
‑
外核层边界、视细胞的内外段层边界、视网膜色素上皮
‑
脉络膜层边界,完成对视网膜多层结构的分层。2.根据权利要求1所述的视网膜OCT图像自动分层方法,其特征在于,各层边界的分割方法具体为:S1、分割玻璃体
‑
神经纤维层边界和视细胞的内外段层边界,玻璃体
‑
神经纤维层边界记为玻璃体
‑
NFL层边界,视细胞的内外段层边界记为IS/OS层边界;S2、分割其他层边界:S2
‑
1、先将完成玻璃体
‑
NFL边界和IS/OS边界分割后的图像分为三个搜索区域:上层搜索区域为神经纤维层NFL和神经节细胞层GCL,中间层搜索区域为内网状层IPL、内核层INL、外网状层OPL和外核层ONL,下层搜索区域为视细胞的内段层IS、视细胞的外段层OS和视网膜色素上皮层RPE,然后由上至下依次在三个搜索区域内进行各层边界分割;S2
‑
2、于上层搜索区域内分割出神经纤维
‑
神经节细胞层边界,记为NFL
‑
GCL层边界;S2
‑
3、于中间层搜索区域内分割出内网状
‑
内核层边界、内核
‑
外网状层边界和外网状
‑
外核层边界,依次记为IPL
‑
INL层边界、INL
‑
OPL层边界、OPL
‑
ONL层边界;S2
‑
4、于下层搜索区域内分割出视网膜色素上皮
‑
脉络膜层边界,记为RPE
‑
Choroid层边界。3.根据权利要求2所述的视网膜OCT图像自动分层方法,其特征在于,所述步骤S1具体包括:S1
‑
1、利用Dijkstra算法从得到的无向节点图从左上角起点至右下角终点搜寻最低权值分割路径,获得的分割路径即为玻璃体
‑
NFL层边界或IS/OS层边界;S2
‑
1、判断分割路径上方是否存在高反射率结构:若存在高反射率结构,则说明该分割路径为IS/OS层边界,然后将新的搜索空间限定于该分割路径上方的区域,再分割出玻璃体
‑
NFL层边界;若不存在高反射率结构,则说明该分割路径为玻璃体
‑
NFL层边界,然后将新的搜索空间限定于该分割路径下方的区域,再分割出IS/OS层边界。4.根据权利要求3所述的视网膜OCT图像自动分层方法,其特征在于,其中,判断分割路径上方是否存在高反射率结构的方法为:对得到的无向节点图进行高斯滤波和二值化后,计算分割路径上方区域亮像素的像素数目占比η,若η>η
T
,则说明存在高反射率结构,否则,说...
【专利技术属性】
技术研发人员:唐宁,樊金宇,蒋天亮,李云耀,邢利娜,史国华,
申请(专利权)人:中国科学院苏州生物医学工程技术研究所,
类型:发明
国别省市:
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。