[发明专利]一种鲁棒的交互式医学图像分割方法

说明书

本发明涉及一种鲁棒的交互式医学图像分割方法，该分割方法包括如下步骤:(1)在OCT图像中预分割出视网膜病灶所在的窗口；(2)在窗口内设置两个固定的脚点，形成待分割窗口；在待分割窗口内利用活动轮廓模型进行迭代收缩完成分割。该方法基于活动轮廓模型的图像分割方法，对于散斑噪声强的视网膜OCT图像通过手动加窗口减少分割范围以排除背景区散斑噪声对模型的影响并加速分割病灶过程；通过脚点可以克服病灶不透光特性导致的分割不准确；结合分数阶微分增强和局部模糊能量泛函提出了活动轮廓模型能鲁棒而高效的完成好的病灶分割。

技术领域

本发明涉及一种鲁棒的交互式医学图像分割方法，属于图像处理的技术领域。

背景技术

视网膜光学相干断层扫描技术(OCT)影像是许多眼科疾病及其他疾病的有效诊断依据,如糖尿病视网膜病变、黄斑水肿以及钙化在OCT图像中一般都表现为相应的斑块。视网膜图像每一层有自己特殊的结构特征，不同的尺寸、形状和分布。每一层的信号和噪声模型都是不同的。具有明显特征的病理结构一般出现在特定的层次上。比如，鼓膜结构出现在视网膜色素上皮层(RPE)的正下或正上方。而与年龄相关的黄斑变性相关的高反射病灶预计不会出现在神经纤维层(NFL)中。在临床诊断上面，识别视网膜组织特征的相关病灶通常由眼科医生手动分割，手动分割需要花费大量的时间，并且人为因素较强。因此适用于视网膜OCT图像病灶分割技术得研究和应用就显得尤为重要。

对于视网膜OCT图像来说，强度分布极不均匀，通常表现为低对比度，并且散斑噪声严重，因此进行全局分割病灶效果并不好，对于小病灶的分割与识别就比较困难。传统的基于区域的活动轮廓模型依赖于图像的全局信息，在处理灰度强度不均匀的图像时，同一个类别在因灰度不均导致的灰度不同时，基于全局信息是无法有效识别的。视网膜病灶边缘就会有灰度会呈现不同而出现不均匀问题，处理这个问题对于病灶识别分割也有非常重要的意义。

发明内容

针对现有技术的不足，本发明提供一种鲁棒的交互式医学图像分割方法。

本发明提供了一种鲁棒的交互式医学图像分割方法，首先预分割出视网膜病灶所在的窗口，然后在窗口内设置两个固定的脚点，形成待分割窗口；在该待分割窗口内利用活动轮廓模型进行迭代收缩，完成对病灶的分割。

术语解释：

伽玛函数：伽玛函数的表达式为：

活动轮廓模型：是一条能量递减曲线，由轮廓自身特征决定的内部能量和图像特征决定的外部能量共同支配，在能量最小的原则下移动并最终停止于所要寻找的物体边缘附近。

本发明的技术方案为：

一种鲁棒的交互式医学图像分割方法，包括如下步骤:

(1)在OCT图像中预分割出视网膜病灶所在的窗口；目的是减少分割范围，以排除背景区散斑噪声对模型的影响，并加速分割病灶过程。

(2)在所述窗口内设置两个固定的脚点，形成待分割窗口；两个脚点是病灶下边缘的两个分割边界点，这两脚点的连线是不动的分割边界，设置固定的脚点可以克服病灶不透光特性导致的分割不准确；在所述待分割窗口内利用活动轮廓模型进行迭代收缩完成分割；使用活动轮廓模型能鲁棒而高效的完成好的病灶分割。

活动轮廓模型的模糊能量函数如公式(Ⅰ)所示：