[发明专利]基于高斯混合模型聚类的视网膜SD-OCT图像分割方法和装置

说明书

本发明公开了一种基于高斯混合模型聚类的视网膜水肿SD‑OCT图像分割方法和系统，能够实现对低质量OCT图像进行自动分割，取得了良好的分割效果。该方法包括以下步骤：获取待分割的视网膜SD‑OCT图像；对待分割的视网膜SD‑OCT图像进行层分割，得到内界膜和视网膜内边界的位置坐标；采用高斯混合模型聚类方法待分割的视网膜SD‑OCT图像进行粗分割，得到粗略分割图；利用距离阈值从粗分割得到的粗略分割图中筛选出目标区域；利用厚度信息去除目标区域中伪影区域，并优化目标区域的边界。

技术领域

本公开涉及自动定位检测及分割技术领域，具体为一种基于高斯混合模型聚类的视网膜水肿SD-OCT图像分割方法和装置。

背景技术

光学相干层析成像(OCT)是近年来发展迅速的成像技术之一，尤其是光谱域光学相干层析成像(SD-OCT)。视网膜水肿的大小已成为引导治疗的主要因素，特别是根据有限的光谱域光学相干断层扫描(SD-OCT)切片的主观估计，这可能导致治疗的效果不一致。此外，人工分割是耗时的。因此，视网膜SD-OCT图像的准确分割仍是待解决的技术问题。

现有的分割方法大致分为半自动或全自动、有监督或无监督的方法实现视网膜SD-OCT图像的分割。发明人在研发过程中发现，这些方法需要人工干预，而且这些方法都是基于高质量的OCT图像的，深度学习的方法需要大量的人工标记，而且对硬件设备的性能要求较高，无法实现对低质量OCT图像进行自动分割。

发明内容

为了克服上述现有技术的不足，本公开提供了一种基于高斯混合模型聚类的视网膜SD-OCT图像分割方法和装置，能够实现对低质量OCT图像进行自动分割，取得了良好的分割效果。

本公开所采用的技术方案是：

一种基于高斯混合模型聚类的视网膜SD-OCT图像分割方法，该方法包括以下步骤：

获取待分割的视网膜SD-OCT图像；

对待分割的视网膜SD-OCT图像进行层分割，得到内界膜和视网膜内边界的位置坐标；

采用高斯混合模型聚类方法对待分割的视网膜SD-OCT图像进行粗分割，并利用层分割的结果对此粗分割结果进行区域限制，得到粗略分割图；

利用距离阈值从粗分割得到的粗略分割图中筛选出目标区域；

利用厚度信息去除目标区域中伪影区域，并优化目标区域的边界。

作为本公开的进一步技术方案，所述利用距离阈值从粗分割得到的粗略分割图中筛选出目标区域的步骤包括：

计算粗略分割图中每个像素点到视网膜内边界的距离；

统计粗略分割图中每个像素点到视网膜内边界的距离的概率分布图；

结合视网膜外核层的成像特点和得到的距离概率分布图，分析得出的每个像素点到视网膜内边界的距离的概率在距离0～100像素点之间的峰值；

将所有峰值进行高斯函数拟合，得到高斯函数的均值；

以高斯函数的均值为基准，将高斯函数的起点到均值部分的曲线进行翻转，得到新曲线的零点，将该零点作为距离阈值；

将粗略分割图中像素点到视网膜内边界的距离小于该距离阈值的像素点剔除，得到目标区域。

作为本公开的进一步技术方案，所述利用厚度信息去除目标区域中伪影区域的步骤包括：

计算每个目标区域所对应的内界膜和视网膜内边界之间的最小厚度t，以及目标区域中每个像素点到视网膜内边界的距离d及其中值m、均值a；

将目标区域中每个像素点到视网膜内边界的距离的均值a与每个目标区域所对应的内界膜和视网膜内边界之间的最小厚度t相比，得到比值r；