[发明专利]一种基于Level Sets算法的中心凹无血管区的分割方法、测量方法

权利要求书

1.一种基于Level Sets算法的中心凹无血管区的分割方法，其特征在于以下步骤：

用OCTA机器获取黄斑中心凹的原始FAZ图像，并通过图像处理，将所述原始FAZ图像转换成8-bit灰度图的形式，获得8-bit灰度FAZ图像；

选用ImageJ软件的Level Sets算法中的Active Contours method，并依据不同OCTA机器产生的8-bit灰度FAZ图像的不同特点，对应对曲率参数、收敛度参数、灰度参数进行参数优化设定，形成Level Sets优化算法；

将所述的8-bit灰度FAZ图像导入ImageJ软件，并在8-bit灰度FAZ图像的中心凹无血管区内定位一个初始取样圈，以Level Sets优化算法运行，初始取样圈根据曲率参数设定值调整轮廓迭代演化的曲率权重，形成不断向外周进行迭代演化的拟合取样圈；

在拟合取样圈迭代演化过程中，若拟合取样圈轮廓所对应的Level Sets算法函数，在相邻两次迭代结果的收敛度变化值小于收敛度参数设定值时，或当前的灰度值与下一演化的灰度值的差值大于灰度参数设定值时，则拟合取样圈停止向外周进行演化，并取最后的拟合取样圈的轮廓作为FAZ取样圈，沿FAZ取样圈进行图像分割，获得FAZ分割图。

2.如权利要求1所述的基于Level Sets算法的中心凹无血管区的分割方法，其特征在于：通过ImageJ将所述FAZ图像转换成8-bit灰度图的形式。

3.如权利要求1所述的基于Level Sets算法的中心凹无血管区的分割方法，其特征在于：所述的曲率参数为0.5-2.0、收敛度参数为0.001-0.015、灰度参数为10-50。

4.如权利要求3所述的基于Level Sets算法的中心凹无血管区的分割方法，其特征在于：所述的OCTA机器为Zeiss Cirrus HD-OCT 5000，选用所述的原始FAZ图像的信号强度分数为6-10。

5.如权利要求4所述的基于Level Sets算法的中心凹无血管区的分割方法，其特征在于：所述的曲率参数为1.00、收敛度参数为0.0100、灰度参数为30。

6.如权利要求3所述的基于Level Sets算法的中心凹无血管区的分割方法，其特征在于：所述的OCTA机器为DRI OCT Triton，选用所述的原始FAZ图像的图片质量分数为60-100。

7.如权利要求6所述的基于Level Sets算法的中心凹无血管区的分割方法，其特征在于：所述的曲率参数为1.50、收敛度参数为0.0015、灰度参数为30。

8.如权利要求1-7任意一项中所述的基于Level Sets算法的中心凹无血管区的分割方法，其特征在于：所述的初始取样圈定位于8-bit灰度FAZ图像的几何中心或信噪比高的区域。

9.如权利要求1-8任意一项中所述的基于Level Sets算法的中心凹无血管区的分割方法，其特征在于：将所述的Level Sets优化算法设计成宏程序。

10.一种基于Level Sets算法的中心凹无血管区测量方法，其特征在于：将如权利要求1-9任意一项中所述的分割方法获得的FAZ分割图，通过计算机数字图像处理领域的任意的图像面积测量技术，对FAZ分割图的面积进行测量。

11.如权利要求10所述的基于Level Sets算法的中心凹无血管区测量方法，其特征在于：通过利用ImageJ提供的测量功能，设计宏程序对FAZ分割图的面积和/或周长和/或圆度进行自动测量。