[发明专利]基于神经网络与约束图搜索算法的OCT图像层分割方法

说明书

本发明涉及一种基于神经网络与约束图搜索算法的OCT图像分割方法，为了精确的分割视网膜层与新生血管而设计。本发明基于神经网络与约束图搜索算法的OCT图像分割方法，包括：得到OCT图像特征训练神经网络分类器；多分辨图搜索算法获得最终的SF1；提取OCT图像的24个特征，使用神经网络分类器找到初始表面S1，S2,…,S8；根据初始边界S2至S8，使用约束图搜索算法依次找到精确的SF2至SF8；在SF7与SF8之间分割新生血管与积液，本发明基于神经网络与约束图搜索算法的OCT图像分割方法，操作简单、检测结果准确。克服现有的对于病变OCT图像分割算法识别率较低、分割效果较差等问题。

技术领域

本发明属于医学图像处理算法领域，具体涉及一种基于神经网络与约束图搜索算法的OCT图像层分割方法。

背景技术

年龄相关性黄斑变性(又被称为老年性黄斑变性，AMD)是一种黄斑部退行性疾病，是我国岁以上人群主要致盲性眼病之一，也是英、美等西方发达国家岁以上人群中致盲的主要原因。AMD常双眼发病，色素上皮层(RPE)出现脱色素或色素增生的异常改变，色素上皮层和脉络膜毛细血管地图样萎缩，脉络膜新生血管(CNV)形成及其黄斑区渗出灶等特点。因此关于年龄相关性黄斑变性视网膜病变的定量分析研究在视网膜的研究中具有非常重要的意义。

光学相干断层扫描(OCT)可以快速、无创地清楚显示视网膜各层结构的病变，是唯一类似活体组织学的一种非侵入性检查。目前，OCT设备有了很大的进步，使得量化视网膜疾病更准确的量化、异常的视网膜层厚度计算研究更加成为可能。但是，OCT图像中视网膜层与CNV分割技术缺乏、分割精度不高，原因在于：首先，视网膜层的形状复杂的，它的内部边界是非光滑的。其次，有可能包含病变结构，如CNV、积液。这导致OCT图像视网膜层之间低对比度和模糊边界，也视网膜层结构变化很大。因此，使用传统的表面检测方法层分割可能会失败，同时，CNV分割使用传统的方法，如区域增长，也可能很容易泄漏到邻域。

鉴于上述，本设计人积极加以研究创新，以期创设一种基于神经网络与约束图搜索算法的OCT图像分割方法，使其更具有产业上的利用价值。

发明内容

为解决上述技术问题，本发明的目的是为提供一种分割准确性高的基于神经网络与约束图搜索算法的OCT图像层分割方法

为达到上述发明目的，本发明基于神经网络与约束图搜索算法的OCT图像层分割方法，包括：

训练随机森林分类器；在训练神经网络分类器时，将OCT图像的多个层结构分割为了n个分类标记区域，各区域分别具有上表面；提取了OCT图像中的m个特征；

确定待分割OCT图像区域1的上表面SF1的初始形状，基于多分辨图搜索算法得到上表面的最终形状SF1；

提取待分割OCT图像与训练神经网络分类器时相同的m个特征，使用神经网络分类器，对待分割OCT图像进行分类标记为n个区域，找到区域2至区域n中各个区域上表面的初始形状S2……Sn，基于各区域上表面的初始形状分别各自使用约束图搜索算法，得到各区域上表面的最终形状SF2……SFn，其中n为正整数；

其中，约束图搜索算法具体包括：

A1：待分割的OCT图像使用各向异性滤波后的OCT图像并根据多尺度亮层结构响应公式计算亮层结构响应σ_t表示尺度；根据多尺度暗层结构响应公式计算多尺度暗层结构响应其中，σ_t,min,σ_t,max表示最小和最大尺度；

A2：建立约束图，约束图中的结点V(x,y,z)与OCT图像中像素一一对应，另外添加两个虚拟结点：源结点S和汇结点T；约束图包含三类有向边：列内边E^intra、列间边E^inter和终端边E^terminal，定义如下：