[发明专利]基于曲线群匹配的OCT眼底图像半自动分割方法和装置

说明书

本发明公开了一种基于曲线群匹配的OCT眼底图像半自动分割方法和装置，所述方法包括：接收一幅m行n列的眼底图像并进行预处理；确定所述眼底图像每一列的灰度值向量曲线，计算灰度值向量曲线中每个像素点的描述子，得到所述眼底图像的描述子矩阵；基于所述描述子矩阵，通过动态时间规划算法将所有灰度值向量曲线进行两两匹配，得到成对曲线像素点之间的空间对应关系矩阵；接收用户手动指定的像素点，根据所述点的坐标和所述空间对应关系矩阵，找到与所述点对应的所有像素点，拟合得到平滑的分割线。本发明的技术方案保证了OCT眼底图像分割的准确性，具有较强的自适应性，能够分割视网膜上明显层状结构的同时也能够处理中央凹处的重叠区域。

技术领域

本发明涉及医学图像处理领域，特别是一种基于曲线群匹配的OCT眼底图像半自动分割方法和装置。

背景技术

光学相干层析成像(Optical Coherence Tomography,OCT)技术是第一种基于低相干光干涉原理的生物组织微观医学成像新技术，其理论基础是早期的白光干涉测量法。因其高分辨率、无损伤和非入侵性的特点，在临床医学领域具有巨大的应用价值。通过OCT检查获得视网膜图像可以清晰展示眼底结构与功能信息。大量研究表明，视网膜神经纤维层(retinal never fiber layer,RNFL)厚度的变化可作为青光眼、黄斑病变等神经变性疾病发病的重要指标。OCT可以获取视网膜神经纤维层在各处的厚度，并能够检测出传统视网膜厚度分析仪所不能识别出的弥漫性萎缩，OCT提供RNFL厚度测量，能够及早发现视网膜神经纤维的弥漫性变薄，减少青光眼的发病率。通过对OCT视网膜图像的分析处理获得视网膜厚度的数据和地形图，可以测量出黄斑区周围的视网膜后度，有助于深入了解视网膜黄斑异常状态，监测黄斑裂孔、黄斑水肿、老年性黄斑病变进展。OCT提供的视网膜层状结构图像提高了医学对视网膜的结构和功能的理解，在揭示视网膜疾病的发病机理，确定新型治疗方案，监测疾病治疗效果等方面，发挥越来越重要的作用，已经成为眼科检查的常规手段。

近几年，计算机辅助分割吸引了大量的研究注意力，因为它不仅能够提供可重复的，定量的和客观的图像分割结果，而且减少医生进行OCT视网膜图像分割时所需的时间和精力。因此科研人员研究了大量的分割算法应用于OCT眼底图像的分割。其中，大多数算法是通过探索视网膜每层区域内以及层与层边界处的灰度和几何特性进行视网膜层分割，比如：灰度变化测量、像素分类、马尔科夫边界建模、边缘检测、纹理和形状分析、机器学习技术和图像配准等技术。在这些算法中，基于图论的分割方法已经被证明是成功的，并且有研究指出它在各种医学图像分割的应用中是优于经典的最短路径算法的。但是这类方法在处理层间对比度低、有严重视网膜畸形的真实OCT视网膜图像时产生的结果大多数时候精度是有限的。这种情况下，部分研究者通过在其中加入人工交互部分对原有算法进行改进，而人为参与分割的过程不仅耗时还可能导致结果不客观。此外，大部分现有的基于计算机的视网膜层分割算法在不进行技术重新设计或实验重新训练的情况下，不能分割不同的视网膜层或者来自不同物种的视网膜层，例如人类与犬类的视网膜。这种局限性将相关技术的应用限制在一个非常特定的领域。

如何提高OST眼底图像分割的效率，以及增强分割算法的适应性，是本领域技术人员目前迫切解决的技术问题。

发明内容

为克服上述现有技术的不足，本发明结合了动态时间规划和多目标特征点匹配技术，提出了一种新的基于曲线群匹配的半自动化分割模型，该模型在不需要进行任何额外工作的情况下能够对眼底OCT图像中的任意视网膜层以及部分病变导致的层状结构都能够进行准确分割，不受大部分图像中中央凹处各层结构区别不明显这一现象的影响。具体来说，我们将OCT图像每一列灰度值由上到下的强度变化生成一条曲线，并且将来自不同列的曲线以分组方式进行两两匹配。当曲线匹配生成成对曲线之间的空间对应关系后，我们手动指定任何视网膜层上的任一边界点便能够确定视网膜层的边界。

为实现上述目的，本发明采用如下技术方案：

一种基于曲线群匹配的OCT眼底图像半自动分割方法，包括以下步骤：