[发明专利]一种基于三维OCT图像的全自动分类及分割视网膜分支动脉阻塞的方法

摘要

本发明公开了一种基于三维OCT图像的全自动分类及分割视网膜分支动脉阻塞的方法，包括以下几个步骤：预处理：通过图搜索算法对视网膜进行分层，然后根据色素上皮层对视网膜各层进行拉平；使用AdaBoost分类器对视网膜分支动脉阻塞的急性期和萎缩期进行自动分类；视网膜分支动脉阻塞急性期的分割：首先采用贝叶斯后验概率对阻塞区域进行初始化分割；然后基于图搜索‑图割算法对阻塞区域进行精确分割；(4)视网膜分支动脉阻塞萎缩期的分割：通过建立内视网膜厚度模型来对萎缩期的阻塞区域进行自动分割。本发明能够准确的对视网膜分支动脉阻塞区域进行分类和分割,能够替代手动的分类和分割。

主权项

1.一种基于三维OCT图像的全自动分类及分割视网膜分支动脉阻塞的方法，其特征在于，包括以下几个步骤：(1)预处理：通过图搜索算法对视网膜进行分层，然后根据色素上皮层对视网膜各层进行拉平；(2)使用AdaBoost分类器对视网膜分支动脉阻塞的急性期和萎缩期进行自动分类；(3)视网膜分支动脉阻塞急性期的分割：首先采用贝叶斯后验概率对阻塞区域进行初始化分割；然后基于图搜索‑图割算法对阻塞区域进行精确分割；(4) 视网膜分支动脉阻塞萎缩期的分割：通过建立内视网膜厚度模型来对萎缩期的阻塞区域进行自动分割；步骤(3)中，采用贝叶斯后验概率对阻塞区域进行初始化分割的方法如下：(3‑1)使用贝叶斯后验概率来估计每个体素属于阻塞区域的可能性，这个可能性概率的计算公式为：其中，Ip表示体素的亮度值，occ表示阻塞，non表示不是阻塞；P(occ)和P(non)表示整个图像中阻塞区域和不是阻塞区域的概率；P(Ip|occ)和P(Ip|non)表示亮度为Ip的体素p属于阻塞区域和不是阻塞区域的概率；在训练阶段，内视网膜的每个体素都被标记为阻塞或不是阻塞，这个标记是根据临床医生的指导手动标记的；在测试阶段，内视网膜的每个体素都被给定一个0到1之间的概率来估计它是阻塞区域的可能性，从而得到整个图像的概率图，将所述概率图作为约束用于分割时的图搜索‑图割的代价函数中；(3‑2)得到所述概率图之后，首先，使用均值滤波器来平滑图像；然后，用阈值将概率高的点分离出来，这些点被看成是阻塞的区域；最后，通过形态学的开和闭操作获得初始化分割结果；步骤(4)中，通过建立内视网膜厚度模型来对萎缩期的阻塞区域进行自动分割的方法如下：(4‑1)图像对齐：由于视网膜图像分左眼和右眼，其视网膜结构成镜像；为了得到统一的内视网膜厚度模型，将左眼图像做翻转，使其与右眼一致；(4‑2)建立内视网膜厚度模型：在视网膜OCT图像中，以黄斑为中心，记录不同位置处的内视网膜的厚度，构成一个2D的厚度模型；(4‑3)萎缩期阻塞区域分割：选取若干个正常眼睛的视网膜OCT图像，用他们内视网膜厚度模型的平均作为标准的正常人眼的内视网膜厚度模型，与萎缩期病人的内视网膜厚度做比较，从而分割出阻塞区域。