[发明专利]本构模型与有限元结合的脉络膜新生血管生长预测方法

说明书

本发明公开了一种本构模型与有限元结合的脉络膜新生血管生长预测方法，图像预处理；区域提取和划分：将图像分割为CNV区域、外视网膜层、内视网膜层和脉络膜层4个区域；网格化：对4个区域进行四面体网格生成；建模：运用超弹性生物力学模型与反应扩散方程建模，将脉络膜新生血管生长后的质量改变作为源项加入到方程中，使变形梯度张量根据新生血管的生长持续变化；优化模型，算出最佳准确率，进行参数检验；根据每个时间点预测的参数拟合一条参数曲线，预测最后一个时间点的生长参数，得到预测结果。本发明的方法能够更加灵活和个性化的模式生物机械模型，模型假设的组织是正交各向异性，对非线性、大变形区域也有很好的预测结果，准确度高。

技术领域

本发明涉及计算机视觉、图像处理与分析技术领域，属于生长预测的建模方法，尤其是应用于SD-OCT(频域光学相干断层成像)的脉络膜新生血管(CNV)生长预测的建模方法。

背景技术

脉络膜位于视网膜和巩膜之间，由纤维组织、小血管和毛细血管组成。脉络膜的血循环营养视网膜外层、晶状体和玻璃体等，由于脉络膜内血流量大、流速较慢、而其本身软而薄的特性，使其对外界影响或冲击不耐受，导致病原体在此处易滞留，造成脉络膜疾病及各种眼底疾病，因此，研究脉络膜新生血管(CNV)的生长可以得到很多重要的数据，为后续医学研究提供基本的支撑数据。

由于新生血管的生长部位在对外界环境极其敏感和脆弱的眼部视网膜内，实时入侵性的对新生血管进行检测显然是不可能的。现有的新生血管生长预测方法通常仅采用单一的增长模型如有限元法进行预测，这种方法存在一定的缺点和局限性：①基于各向同性的假设，②没有考虑到不同组织结构的不同生物学特性，③只能预测线性变化，④只能预测小变形的变化，对大变形变化的预测不准确，等等。

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，本发明首次提出了一个综合性的方法——基于超弹性材料的生物力学模型和反应扩散方程相结合的方法，进行脉络膜新生血管的生长预测分析，准确度高。

为解决上述技术问题，本发明提供一种脉络膜新生血管三维生成预测方法。

该方法主要包括6个步骤：

步骤1.图像预处理：对三维视网膜频域光学相干断层成像SD-OCT图像进行下采样处理；

步骤2.区域提取和划分：将图像分割为脉络膜新生血管CNV区域、外视网膜层、内视网膜层和脉络膜层4个区域；

步骤3.网格化：对CNV区域、内视网膜层、外视网膜层和脉络膜层进行多尺度、自适应的四面体网格生成；

步骤4.运用超弹性生物力学模型与反应扩散方程建模：在超弹性生物力学模型结构中，整合各区域不同的体积模量、剪切模量及其对应的体积弹性响应、等容弹性响应，将脉络膜新生血管生长后的质量改变作为源项加入到方程中，使变形梯度张量根据新生血管的生长持续变化；

步骤5.优化模型，算出最佳准确率，进行参数检验；

步骤6.根据每个时间点预测的参数拟合一条参数曲线，预测最后一个时间点的生长增值率参数，得到预测结果。

步骤1中的图像预处理包括以下步骤：

(1a)下采样处理：

(1b)使用CAVASS软件，进行OCT图像配准。

步骤3中采用一个三维曲面和体积的网格生成器对CNV区域、内视网膜层、外视网膜层和脉络膜层进行多尺度、自适应的四面体网格生成。

步骤4包括以下步骤：

(4a)反应扩散方程的入侵和扩散

逻辑回归型增长的反应扩散方程表示为：