[发明专利]一种基于眼科视网膜OCT图像的定量检测方法

说明书

本发明涉及一种基于眼科视网膜OCT图像的定量检测方法，包括以下步骤：获取OCT断层扫描图像；获取采样点，用于量化测量，其中，所述采样点位于SD‑OCT的扫描线上；对采样点上若干纵向结构层次分别进行图像分析，其中，所述图像分析为对像素点的灰度值进行分析；获取所述结构层次的积分反射强度值，其中，获取像素深度i及其对应的行平均灰度值并以i为X轴，以为Y轴构建深度‑行平均反射强度曲线及其二阶导函数曲线以获取积分反射强度；本发明的优点在于：其可在一些视网膜结构正常的早期视网膜病例中，定量反映特定受累结构的空间累积反射强度改变，以期提高对早期隐匿性视网膜疾病的发现概率。

技术领域

本发明涉及光学相干断层扫描数据处理领域，具体地说，是一种基于眼科视网膜OCT图像的定量检测方法。

背景技术

频域光学相干断层扫描(SD-OCT)，是一种在眼科领域，尤其是视网膜疾病中广泛使用的辅助检查技术，可以快速、无创膜断层结构影像，在眼底病的诊断中具有重要的临床价值。

SD-OCT所获得的视网膜断层影像，目前主要依靠临床医生人工进行判读，对视网膜结构异常的疾病(如视网膜脱离、黄斑裂孔、黄斑前膜等)，已有较高的检出与识别率。然而，对于非结构性病变，尤其是早期外层视网膜病变(如早期视网膜色素变性、隐匿性黄斑变性、黄斑营养不良性疾病等)，SD-OCT图像往往没有明显的结构改变，仅表现出某些特定层次反射度的异常，肉眼读片不易识别，从而遗漏早期的病变，继而延误治疗。

中国专利申请：CN112132782A公开了一种基于深度神经网络对DME分型进行处理的方法和终端，该方法包括：对待识别的OCT图像进行预处理；通过训练好的DME特征提取模型对经过预处理的所述OCT图像进行图像特征提取；所述DME特征提取模型是基于深度学习网络训练得到的；基于对所提取的图像特征进行处理，得到所对应述OCT图像中预设DME是否出现的二进制分类函数值；所述预设DME包括：DRT、CME和SRD；基于所述二进制分类函数值以及预设阈值得到二进制分类任务的结果。其实现了对不同类型DME的快速、准确的识别，但其采用的技术方案是以深度学习为基础，以二进制分类函数及预设阈值得到二进制分类任务的结果，以实现不同类型DME的快速、准确的识别，其并不能用于本发明中非结构病变的识别问题。

综上所述，亟需一种能够有效预测非结构病变，可靠性高的基于眼科视网膜OCT图像的定量检测方法。

发明内容

本发明的目的是，提供一种能够有效预测非结构病变，可靠性高的基于眼科视网膜OCT图像的定量检测方法。

为实现上述目的，本发明采取的技术方案是：

一种基于眼科视网膜OCT图像的定量检测方法，包括：获取OCT断层扫描图像；获取采样区，用于量化测量，其中，所述采样区从SD-OCT的扫描线上进行选取；对采样区中视网膜各结构层次分别进行图像分析，其中，所述图像分析为对像素点的灰度值进行逐行分析；获取所述结构层次的积分反射强度值，其中，以像素纵向深度及其对应的行平均灰度值构建深度-行平均反射强度曲线及其二阶导函数曲线，其中，二阶导函数曲线用于分析纵向各解剖结构的分层，深度-行平均反射强度曲线用于计算各解剖层次的积分反射强度。

作为一种优选的技术方案，获取OCT图像包括：利用SD-OCT进行扫描，扫描范围30°×30°，以黄斑中心凹为中心，行单线扫描、多线扫描或放射线扫描，扫描时开启自动实时平均值功能。

作为一种优选的技术方案，对断层扫描图像进行间断采样或连续采样，在采样范围内沿视网膜纵向深度进行逐行像素分析。

作为一种优选的技术方案，所述结构层次包括但不限于：外界膜、椭圆体带、嵌合体带、RPE/Bruch膜复合体、脉络膜毛细血管层。