[发明专利]基于混合模型的视网膜OCT图像视乳头结构分割方法

说明书

技术领域

本发明属于图像处理方法，尤其是对以视盘为中心的SD-OCT(频域光学相干断层成像)视网膜图像的分割方法。

背景技术

光学相干断层成像(optical coherence tomography,OCT)是近年来迅速发展的一种成像技术，并逐渐广泛应用于采集高分辨率的视网膜图像。人眼的视网膜结构非常复杂，尤其是以视乳头(Optical Nerve Head，ONH)为中心的区域，其结构变化更为复杂，变化更为显著，所以，开发一种可靠的自动化的视网膜视乳头区域结构分割及测量方法就十分重要。

迄今，已公开的一些研究主要是对黄斑区的视网膜OCT图像做视网膜各层的分割，对于以视乳头为中心区域的视网膜OCT图像的分割，虽然已经有一些研究是针对此区域做结构分割，但有一些方法是基于二维的彩色眼底照片来分割视盘、视杯；有一些方法虽然是基于三维的OCT图像进行分割，但因为ONH结构的复杂性，以及受病变影响带来的结构变化，从而导致分割的精度不是很高。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种具有可行性和有效性的对以视盘为中心的SD-OCT(频域光学相干断层成像)视网膜图像的分割方法。

为解决上述技术问题，本发明提供一种基于混合模型的视网膜OCT图像视乳头结构分割方法。

本发明提供了一种基于AAM(主动外观模型)和Graph-search(图搜索)技术的自动分割方法，该方法主要包括3个步骤：图像预处理，AAM建模及粗分割，Graph-search(图搜索)方法精分割。

1)图像预处理，对视网膜图像进行滤波、拉平处理；

2)根据手动标记的标记点，建立AAM(主动外观模型)，并用AAM(主动外观模型)完成视网膜图像结构的粗分割；

3)以步骤2)中的结果为约束条件，用Graph-Search(图搜索)方法实现视网膜图像结构的精分割。

步骤1)中，图像滤波处理采用梯度各向异性扩散的算法去除噪声。

步骤1)中，图像拉平处理利用外界膜作为拉平的基准，先将检测到的外界膜位置指定为一个固定值，然后以此固定值为基准，对齐全图。

步骤2)中，建立主动外观模型的步骤为：

首先在经步骤1)预处理得到的每一帧图像上手动标注分割目标的轮廓线，然后将3维的分割目标表示成2维的轮廓线的堆栈，在标注的轮廓线上标注多个标记点；

当所有训练数据的标记点全部标注完成之后，使用标准的主动外观模型来建立视网膜图像结构的模型。

主动外观模型包括形状模型和纹理模型两个部分：

其中，是平均形状模型，是此平均形状所对应的平均纹理模型，Q_s和Q_g为经过主成分分析计算得到的形状、纹理主成分特征分量形成的变换矩阵。s为控制形状变化的形状参数；t为控制纹理变化的纹理参数；x是形状模型，g是纹理模型；利用主动外观模型在测试数据上定位、分割感兴趣区域，得到层1-层7的初始结果。

步骤3)中，采用的具体步骤如下：

首先，将视网膜图像定义成三维矩阵I(x，y，z)，其大小是X×Y×Z，其中x、y、z是空间坐标，X、Y、Z分别是三个方向上的体素个数；

待检测的表面定义为函数S(x，y)，x∈{0，...，X-1}，y∈{0，...，Y-1}，且S(x，y)∈{0，...，Z-1}；

参数Δx定义x方向上的平滑约束条件，参数Δy定义y方向上的平滑约束条件；使相邻两个表面在x方向的最大距离满足|S(x+1，y)-S(x，y)|≤Δx，在y方向的最大距离满足|S(x，y+1)-S(x，y)|≤Δy；

然后，基于图像体素建立一个顶点-权重有向图G＝(V,E)，其包含一个顶点v的集合V和一个边e的集合E；在这个有向图中，任一顶点v∈V都对应着图像I(x，y，z)中的一个体素点，且任意一条弧<v_i，v_j>∈E连接了两个顶点v_i、v_j；每个顶点v∈V，{V(x，y，z)|(z＞0)}的代价值c(x,y,z)根据OCT图像的梯度幅值计算出来，表明了一个像素点不属于目标表面的可能性，每个顶点v∈V的权值根据代价值计算，如下式(2)：

将查找最优表面的问题转化成在有向图G中检索最小代价闭集，将图像中的感兴趣区域分割出来。