[发明专利]基于3D-OCT的视网膜层间灰度分析方法

权利要求书

1.一种基于3D-OCT的视网膜层间灰度分析方法，包括以下步骤：

1）利用双线性滤波器对输入的3D-OCT图像进行预处理，提高3D-OCT视网膜图像质量；

2）利用图搜索技术，对视网膜进行层分割；

3）利用纹理分类方法将RAO区域检测出来；

4）最后进行视网膜层的灰度分析。

2.根据权利要求1所述的基于3D-OCT的视网膜层间灰度分析方法，其特征在于：所述步骤2）具体是指：基于图搜索技术的视网膜层分割，采用图搜索方法，对层之间的边界进行建模作为所需要的层表面，并把这个表面当作一个闭集；分割出类似地形表面；针对多层分割，为每一个类似地形表面构建一个相应的子图；给图之间的连接弧赋予权重，对子图之间加以几何的约束；利用最大流算法把最优多表面问题当成一个s/t cut问题加以解决；

其中的关键的开销函数公式如下：

E(S)=Σv∈Scv+Σ(p,q)∈Nhp,q(S(p)-S(q))]]>

式中，S是所希望得到的表面；c_v为基于边缘的cost函数，并且它与S是否包含像素v反相关；(p,q)是一组相邻像素列；h_p,q是对表面S从p到q形状变化的惩罚，是一个凸函数。

3.根据权利要求1所述的基于3D-OCT的视网膜层间灰度分析方法，其特征在于：所述步骤3）具体是指：基于纹理分类方法的RAO区域检测，使用有监督的纹理分类方法，计算每个像素的纹理、结构、位置特征，来检测RAO区域，包括：海森矩阵的特征值、高斯滤波器组的输出、灰度均值、灰度共生矩阵的熵和惯量、小波分析标准差；具体如下：

a、训练部分：对经过预处理的图像进行随机采样获取训练样本；由于RAO区域和RAO之外区域的像素数目相差较大，两者分开采样，以保证RAO区域样本足够多；同时采样K近邻分类器，对RAO区域像素和RAO之外正常区域的像素进行分类；

b、测试部分：利用纹理分类方法对图像进行检测；在预处理和特征提取之后，第一层到最后一层里面的每一个RAO区域内的像素都被赋予一个0-1的概率值。