CN102436651A - 视网膜oct体数据三维层状边界的提取方法及系统 - Google Patents
视网膜oct体数据三维层状边界的提取方法及系统 Download PDFInfo
- Publication number
- CN102436651A CN102436651A CN2011102473415A CN201110247341A CN102436651A CN 102436651 A CN102436651 A CN 102436651A CN 2011102473415 A CN2011102473415 A CN 2011102473415A CN 201110247341 A CN201110247341 A CN 201110247341A CN 102436651 A CN102436651 A CN 102436651A
- Authority
- CN
- China
- Prior art keywords
- border
- retina oct
- dimensional data
- volume data
- vertical direction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Eye Examination Apparatus (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种视网膜OCT体数据三维层状边界的提取方法及系统,涉及医学图像技术领域,包括:S1:对视网膜OCT三维体数据进行竖直方向的差值滤波运算,以获得差值体数据;S2:计算获得边界指标体数据;S3:在所述边界指标体数据中进行查找,以获得当前边界的离散边界点;S4:对所述离散边界点的集合进行平滑操作,以获得当前边界;S5:判断是否已经获得了所述视网膜OCT三维体数据的所有边界,若是,则执行步骤S6,否则,根据当前边界更新所述视网膜OCT三维体数据,并更新所述差值滤波运算的卷积算子,返回步骤S1;S6:输出所述视网膜OCT三维体数据的所有边界。本发明具有以下优点:1.全自动;2.精确性;3.稳定性;4.高效性;5.应用性强。
Description
技术领域
本发明涉及医学图像技术领域,特别涉及一种视网膜OCT体数据三维层状边界的提取方法及系统。
背景技术
光学相干层析(Optical Coherence Tomography,OCT)在近年来得到迅速推广,在医学领域获得了越来越广泛的应用,它的成像原理是通过测量物体后向散射或反射的光强对其进行断层成像。OCT技术具有实时性、无损性、高分辨率等重大优势,能够快速的生成组织内部的高分辨图像。OCT目前主要应用在眼科疾病和冠脉等疾病的诊断,视网膜OCT图像即为OCT设备对眼球中的视网膜成像得到的结果。
但OCT图像中存在着由于各种因素导致的大量噪声,尤其是由于其使用的弱相干光的相干性导致的斑点噪声,严重降低了图像质量,模糊了图像中的有用边缘。再加上一些患者的视网膜中的病变,在OCT图像中对实际医疗应用有重要意义的视网膜内外的重要边缘普遍存在严重的模糊、断裂现象。近年来频域三维OCT设备的推广,使得OCT视网膜图像的主流为以三维体数据的形式提供,不过现有技术中还没有能够精确、高效并且稳定的方法及系统来提取重要视网膜组织层的边界。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何精确、高效并且稳定的提取重要视网膜组织层的边界。
(二)技术方案
为解决上述技术问题,本发明提供了一种视网膜OCT体数据三维层状边界的提取方法,包括以下步骤:
S1:对视网膜OCT三维体数据进行竖直方向的差值滤波运算,以获得差值体数据;
S2:通过所述差值体数据、以及所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值进行计算,以获得边界指标体数据;
S3:在所述边界指标体数据中进行查找,以获得当前边界的离散边界点;
S4:对所述离散边界点的集合进行平滑操作,以获得当前边界;
S5:判断是否已经获得了所述视网膜OCT三维体数据的所有边界,若是,则执行步骤S6,否则,根据当前边界更新所述视网膜OCT三维体数据,并更新所述差值滤波运算的卷积算子,返回步骤S1;
S6:输出所述视网膜OCT三维体数据的所有边界。优选地,步骤S2中,所述边界指标体数据通过下式进行计算,
Ii,j,k=w1*Di,j,k+w2*Yi,j,k
其中,Yi,j,k为视网膜OCT三维体数据,Di,j,k为差值体数据,k为所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值,w1,w2均为与竖直坐标k成正比的非负实数,Ii,j,k为边界指标体数据。
优选地,步骤S2之前还包括以下步骤:
S0:对所述原视网膜OCT三维体数据进行平滑运算,以获得平滑体数据;
步骤S2中,所述边界指标体数据通过下式进行计算,
Ii,j,k=w1*Di,j,k+w2*Si,j,k
其中,Si,j,k为平滑体数据,Di,j,k为差值体数据,k为所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值,w1,w2均为与竖直坐标k成正比的非负实数,Ii,j,k为边界指标体数据。
优选地,所述视网膜OCT三维体数据的所有边界包括:RPE层边界、IS/OS层边界和ILM层边界。
优选地,步骤S1中,所述差值滤波运算具体包括以下步骤:
S11:以所述视网膜OCT三维体数据的某个像素为中心,与所述视网膜OCT三维体数据的其它相邻像素建立一个M×M×M个像素点组成的正方体,所述M为不等于1的正奇数;
S12:根据当前边界对应的卷积算子,使所述正方体的中心之上的像素的亮度值之和减去所述正方体的中心之下的像素的亮度值之和,并以相减值的平均值作为所述正方体的中心的亮度值;
S13:以其它像素作为所述正方体的中心,返回步骤S11,直至获得所述视网膜OCT三维体数据的所有像素的亮度值,所述所有像素的亮度值构成差值体数据。
所述IS/OS层和ILM层对应的卷积算子为:
优选地,步骤S4中,所述平滑操作包括以下步骤:
S51:计算每个离散边界点的竖直方向的坐标值与其预设邻域内其他边界点的竖直方向的坐标平均值的差距;
S52:在至少一个离散边界点对应的差距大于阈值时,将其竖直方向的坐标值用所述竖直方向的坐标平均值代替,并判断是否达到了预设迭代次数,若未达到预设迭代次数,则返回步骤S51,若所述离散边界点对应的差距均小于阈值或达到预设迭代次数,则将所述离散边界点的集合作为所述视网膜OCT体数据的边界。
优选地,步骤S5中,根据当前边界更新所述视网膜OCT三维体数据时,将所述视网膜OCT三维体数据中的当前边界以及当前边界之下的像素的亮度值均设为零。
本发明还公开了一种视网膜OCT体数据三维层状边界的提取系统,包括:
差值滤波模块,用于对视网膜OCT三维体数据进行竖直方向的差值滤波运算,以获得差值体数据;
边界指标计算模块,用于通过所述差值体数据、以及所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值进行计算,以获得边界指标体数据;
查找模块,用于在所述边界指标体数据中进行查找,以获得当前边界的离散边界点;
平滑模块,用于对所述离散边界点的集合进行平滑操作,以获得当前边界;
判断模块,用于判断是否已经获得了所述视网膜OCT三维体数据的所有边界,若是,则执行输出模块,否则,根据当前边界更新所述视网膜OCT三维体数据,并更新所述差值滤波运算的卷积算子,返回差值滤波模块;
输出模块,用于输出所述视网膜OCT三维体数据的所有边界。
优选地,所述平滑操作模块包括:
差距计算子模块,用于对每个离散边界点的竖直方向的坐标值与其预设邻域内其他边界点的竖直方向的坐标平均值的差距;
判断代替模块,用于在至少一个离散边界点对应的差距大于阈值时,将其竖直方向的坐标值用所述竖直方向的坐标平均值代替,并判断是否达到了预设迭代次数,若未达到预设迭代次数,则返回差距计算子模块,若所述离散边界点对应的差距均小于阈值或达到预设迭代次数,则将所述离散边界点的集合作为所述视网膜OCT体数据的边界。
(三)有益效果
本发明包括以下有益效果:
1.全自动:本发明在提取视网膜OCT体数据中的ILM、RPE和IS/OS上边界时不需要人工参与,计算过程实现了全自动化;
2.精确性:本发明能够精确地提取视网膜OCT体数据中的ILM、RPE和IS/OS上边界。
3.稳定性:本发明经大量的测试,其算法稳定。
4.高效性:算法速度快,在普通个人计算机上十多秒内即可标注所需的三个边界面。
5.应用性强:根据提取出的三个边界面位置,可对视网膜进行厚度测量和可视化,以及交互式三维可视化,在视网膜疾病诊断等方面具有很强的临床应用价值。
附图说明
图1是按照本发明一种实施方式的视网膜OCT体数据三维层状边界的提取方法的流程图;
图2是按照图1所示的方法获得的二维Bscan效果图;
图3是按照图1所示的方法计算获得的边界面位置并可视化得到的视网膜总厚度分布图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1是按照本发明一种实施方式的视网膜OCT体数据三维层状边界的提取方法的流程图,本实施方式的方法包括以下步骤:
S1:对视网膜OCT三维体数据进行竖直方向的差值滤波运算,以获得差值体数据;
S2:通过所述差值体数据、以及所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值进行计算,以获得边界指标体数据;
S3:在所述边界指标体数据中进行查找,以获得当前边界的离散边界点(查找时,可通过A-scan的方式,即对所述边界指标体数据Ii,j,k的每一列中寻找亮度值最大的像素,所述每一列为Ii,j,k中i和j均相同的一条直线);
S4:对所述离散边界点的集合进行平滑操作,以获得当前边界;
S5:判断是否已经获得了所述视网膜OCT三维体数据的所有边界,若是,则执行步骤S6,否则,根据当前边界更新所述视网膜OCT三维体数据,并更新所述差值滤波运算的卷积算子,返回步骤S1(本实施方式中,依次计算RPE层边界、IS/OS层边界和ILM层边界);
S6:输出所述视网膜OCT三维体数据的所有边界。
优选地,步骤S2中,所述边界指标体数据通过下式进行计算,
Ii,j,k=w1*Di,j,k+w2*Yi,j,k
其中,Yi,j,k为视网膜OCT三维体数据,Di,j,k为差值体数据,k为所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值,w1,w2均为与竖直坐标k成正比的非负实数,Ii,j,k为边界指标体数据;
本实施方式中,w1,w2均取值为k。
为提高边界获取精度,优选地,步骤S2之前还包括以下步骤:
S0:对所述原视网膜OCT三维体数据进行平滑运算,以获得平滑体数据;
步骤S2中,所述边界指标体数据通过下式进行计算,
Ii,j,k=w1*Di,j,k+w2*Si,j,k
其中,Si,j,k为平滑体数据,Di,j,k为差值体数据,k为所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值,w1,w2均为与竖直坐标k成正比的非负实数,Ii,j,k为边界指标体数据;
本实施方式中,w1,w2均取值为k。
优选地,所述视网膜OCT三维体数据的所有边界包括:RPE层边界、IS/OS层边界和ILM层边界,参照图2,图中从下至上依次为RPE层边界、IS/OS层边界和ILM层边界,参照图3,图3即为按照图1所示的方法计算获得的边界面位置并可视化得到的视网膜总厚度分布图。
优选地,步骤S1中,所述差值滤波运算具体包括以下步骤:
S11:以所述视网膜OCT三维体数据的某个像素为中心,与所述视网膜OCT三维体数据的其它相邻像素建立一个M×M×M(本实施方式中,M=9)个像素点组成的正方体,所述M为不等于1的正奇数;
S12:根据当前边界对应的卷积算子,使所述正方体的中心之上的像素的亮度值之和减去所述正方体的中心之下的像素的亮度值之和,并以相减值的平均值(所述平均值,即将所述相减值除以M*M*(M-1)/2)作为所述正方体的中心的亮度值;
S13:以其它像素作为所述正方体的中心,返回步骤S11,直至获得所述视网膜OCT三维体数据的所有像素的亮度值,所述所有像素的亮度值构成差值体数据。
本实施方式中,设所述正方体的中心点为在正方体上除中心外的点为Yi,j,k,沿竖直方向越向下,k值越大时(还可将卷积算子的1和-1值相互替换,用正方体下方的值来减上方的值),所述RPE层对应的卷积算子为:
所述IS/OS层和ILM层对应的卷积算子为:
优选地,步骤S4中,所述平滑操作包括以下步骤:
S51:计算每个离散边界点的竖直方向的坐标值与其预设邻域内其他边界点的竖直方向的坐标平均值的差距;
S52:在至少一个离散边界点对应的差距大于阈值时,将其竖直方向的坐标值用所述竖直方向的坐标平均值代替,并判断是否达到了预设迭代次数,若未达到预设迭代次数(所述预设迭代次数的取值范围为1~10),则返回步骤S51,若所述离散边界点对应的差距均小于阈值或达到预设迭代次数,则将所述离散边界点的集合作为所述视网膜OCT体数据的边界
优选地,步骤S5中,根据当前边界更新所述视网膜OCT三维体数据时,将所述视网膜OCT三维体数据中的当前边界以及当前边界之下的像素的亮度值均设为零。
本发明还公开了一种视网膜OCT体数据三维层状边界的提取系统,包括:
差值滤波模块,用于对视网膜OCT三维体数据进行竖直方向的差值滤波运算,以获得差值体数据;
边界指标计算模块,用于通过所述差值体数据、以及所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值进行计算,以获得边界指标体数据;
查找模块,用于在所述边界指标体数据中进行查找,以获得当前边界的离散边界点;
平滑模块,用于对所述离散边界点的集合进行平滑操作,以获得当前边界;
判断模块,用于判断是否已经获得了所述视网膜OCT三维体数据的所有边界,若是,则执行输出模块,否则,根据当前边界更新所述视网膜OCT三维体数据,并更新所述差值滤波运算的卷积算子,返回差值滤波模块;
输出模块,用于输出所述视网膜OCT三维体数据的所有边界。
优选地,所述平滑操作模块包括:
差距计算子模块,用于对每个离散边界点的竖直方向的坐标值与其预设邻域内其他边界点的竖直方向的坐标平均值的差距;
判断代替模块,用于在至少一个离散边界点对应的差距大于阈值时,将其竖直方向的坐标值用所述竖直方向的坐标平均值代替,并判断是否达到了预设迭代次数,若未达到预设迭代次数,则返回差距计算子模块,若所述离散边界点对应的差距均小于阈值或达到预设迭代次数,则将所述离散边界点的集合作为所述视网膜OCT体数据的边界。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种视网膜OCT体数据三维层状边界的提取方法,其特征在于,包括以下步骤:
S1:对视网膜OCT三维体数据进行竖直方向的差值滤波运算,以获得差值体数据;
S2:通过所述差值体数据、以及所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值进行计算,以获得边界指标体数据;
S3:在所述边界指标体数据中进行查找,以获得当前边界的离散边界点;
S4:对所述离散边界点的集合进行平滑操作,以获得当前边界;
S5:判断是否已经获得了所述视网膜OCT三维体数据的所有边界,若是,则执行步骤S6,否则,根据当前边界更新所述视网膜OCT三维体数据,并更新所述差值滤波运算的卷积算子,返回步骤S1;
S6:输出所述视网膜OCT三维体数据的所有边界。
2.如权利要求1所述的方法,其特征在于,步骤S2中,所述边界指标体数据通过下式进行计算,
Ii,j,k=w1*Di,j,k+w2*Yi,j,k
其中,Yi,j,k为视网膜OCT三维体数据,Di,j,k为差值体数据,k为所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值,w1,w2均为与竖直坐标k成正比的非负实数,Ii,j,k为边界指标体数据。
3.如权利要求1所述的方法,其特征在于,步骤S2之前还包括以下步骤:
S0:对所述原视网膜OCT三维体数据进行平滑运算,以获得平滑体数据;
步骤S2中,所述边界指标体数据通过下式进行计算,
Ii,j,k=w1*Di,j,k+w2*Si,j,k
其中,Si,j,k为平滑体数据,Di,j,k为差值体数据,k为所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值,w1,w2均为与竖直坐标k成正比的非负实数,Ii,j,k为边界指标体数据。
4.如权利要求1~3中任一项所述的方法,其特征在于,所述视网膜OCT三维体数据的所有边界包括:RPE层边界、IS/OS层边界和ILM层边界。
5.如权利要求4所述的方法,其特征在于,步骤S1中,所述差值滤波运算具体包括以下步骤:
S11:以所述视网膜OCT三维体数据的某个像素为中心,与所述视网膜OCT三维体数据的其它相邻像素建立一个M×M×M个像素点组成的正方体,所述M为不等于1的正奇数;
S12:根据当前边界对应的卷积算子,使所述正方体的中心之上的像素的亮度值之和减去所述正方体的中心之下的像素的亮度值之和,并以相减值的平均值作为所述正方体的中心的亮度值;
S13:以其它像素作为所述正方体的中心,返回步骤S11,直至获得所述视网膜OCT三维体数据的所有像素的亮度值,所述所有像素的亮度值构成差值体数据。
7.如权利要求1~3中任一项所述的方法,其特征在于,步骤S4中,所述平滑操作包括以下步骤:
S51:计算每个离散边界点的竖直方向的坐标值与其预设邻域内其他边界点的竖直方向的坐标平均值的差距;
S52:在至少一个离散边界点对应的差距大于阈值时,将其竖直方向的坐标值用所述竖直方向的坐标平均值代替,并判断是否达到了预设迭代次数,若未达到预设迭代次数,则返回步骤S51,若所述离散边界点对应的差距均小于阈值或达到预设迭代次数,则将所述离散边界点的集合作为所述视网膜OCT体数据的边界。
8.如权利要求1~3中任一项所述的方法,其特征在于,步骤S5中,根据当前边界更新所述视网膜OCT三维体数据时,将所述视网膜OCT三维体数据中的当前边界以及当前边界之下的像素的亮度值均设为零。
9.一种视网膜OCT体数据三维层状边界的提取系统,其特征在于,包括:
差值滤波模块,用于对视网膜OCT三维体数据进行竖直方向的差值滤波运算,以获得差值体数据;
边界指标计算模块,用于通过所述差值体数据、以及所述视网膜OCT三维体数据的各个像素在竖直方向的坐标值进行计算,以获得边界指标体数据;
查找模块,用于在所述边界指标体数据中进行查找,以获得当前边界的离散边界点;
平滑模块,用于对所述离散边界点的集合进行平滑操作,以获得当前边界;
判断模块,用于判断是否已经获得了所述视网膜OCT三维体数据的所有边界,若是,则执行输出模块,否则,根据当前边界更新所述视网膜OCT三维体数据,并更新所述差值滤波运算的卷积算子,返回差值滤波模块;
输出模块,用于输出所述视网膜OCT三维体数据的所有边界。
10.如权利要求9所述的系统,其特征在于,所述平滑操作模块包括:
差距计算子模块,用于对每个离散边界点的竖直方向的坐标值与其预设邻域内其他边界点的竖直方向的坐标平均值的差距;
判断代替模块,用于在至少一个离散边界点对应的差距大于阈值时,将其竖直方向的坐标值用所述竖直方向的坐标平均值代替,并判断是否达到了预设迭代次数,若未达到预设迭代次数,则返回差距计算子模块,若所述离散边界点对应的差距均小于阈值或达到预设迭代次数,则将所述离散边界点的集合作为所述视网膜OCT体数据的边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110247341 CN102436651B (zh) | 2011-08-25 | 2011-08-25 | 视网膜oct体数据三维层状边界的提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110247341 CN102436651B (zh) | 2011-08-25 | 2011-08-25 | 视网膜oct体数据三维层状边界的提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102436651A true CN102436651A (zh) | 2012-05-02 |
CN102436651B CN102436651B (zh) | 2013-06-19 |
Family
ID=45984694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110247341 Expired - Fee Related CN102436651B (zh) | 2011-08-25 | 2011-08-25 | 视网膜oct体数据三维层状边界的提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102436651B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679198A (zh) * | 2013-12-10 | 2014-03-26 | 苏州大学 | 一种基于k近邻的视网膜内节/外节缺失自动检测方法 |
CN104146682A (zh) * | 2014-09-09 | 2014-11-19 | 中国医学科学院生物医学工程研究所 | 一种光相干层析成像系统图像运动伪差校正算法 |
CN104849221A (zh) * | 2015-05-21 | 2015-08-19 | 清华大学深圳研究生院 | 一种基于光学相干层析成像技术的相位定标方法 |
CN105608675A (zh) * | 2015-12-18 | 2016-05-25 | 天津迈达医学科技股份有限公司 | 一种眼底组织oct图像运动伪差的矫正方法 |
WO2017036231A1 (zh) * | 2015-08-31 | 2017-03-09 | 深圳先进技术研究院 | 从光学相干断层图像获取视网膜结构的方法及其系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1941456B1 (en) * | 2005-09-09 | 2009-05-20 | Carl Zeiss Meditec AG | Method of bioimage data processing for revealing more meaningful anatomic features of diseased tissues |
CN101685533A (zh) * | 2009-08-18 | 2010-03-31 | 清华大学深圳研究生院 | 眼底oct图像的视神经纤维层自动分割方法 |
US20100214533A1 (en) * | 2007-09-28 | 2010-08-26 | Carl Zeiss Meditec Ag | Spectrometer |
WO2010140477A1 (en) * | 2009-06-02 | 2010-12-09 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and computer program |
CN102056533A (zh) * | 2008-04-14 | 2011-05-11 | 光视有限公司 | 针对光学相干层析x射线摄影技术的眼睛配准的方法 |
-
2011
- 2011-08-25 CN CN 201110247341 patent/CN102436651B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1941456B1 (en) * | 2005-09-09 | 2009-05-20 | Carl Zeiss Meditec AG | Method of bioimage data processing for revealing more meaningful anatomic features of diseased tissues |
US20100214533A1 (en) * | 2007-09-28 | 2010-08-26 | Carl Zeiss Meditec Ag | Spectrometer |
CN102056533A (zh) * | 2008-04-14 | 2011-05-11 | 光视有限公司 | 针对光学相干层析x射线摄影技术的眼睛配准的方法 |
WO2010140477A1 (en) * | 2009-06-02 | 2010-12-09 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and computer program |
CN101685533A (zh) * | 2009-08-18 | 2010-03-31 | 清华大学深圳研究生院 | 眼底oct图像的视神经纤维层自动分割方法 |
Non-Patent Citations (2)
Title |
---|
唐海波等: "光学相干层析图像的散斑去躁和边缘特征提取", 《量子电子学报》 * |
苑佳丽等: "视网膜光学相干层析图像的预处理方法", 《光学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679198A (zh) * | 2013-12-10 | 2014-03-26 | 苏州大学 | 一种基于k近邻的视网膜内节/外节缺失自动检测方法 |
CN103679198B (zh) * | 2013-12-10 | 2016-09-14 | 苏州大学 | 一种基于k近邻的视网膜内节/外节缺失自动检测方法 |
CN104146682A (zh) * | 2014-09-09 | 2014-11-19 | 中国医学科学院生物医学工程研究所 | 一种光相干层析成像系统图像运动伪差校正算法 |
CN104849221A (zh) * | 2015-05-21 | 2015-08-19 | 清华大学深圳研究生院 | 一种基于光学相干层析成像技术的相位定标方法 |
CN104849221B (zh) * | 2015-05-21 | 2017-04-26 | 清华大学深圳研究生院 | 一种基于光学相干层析成像技术的相位定标方法 |
WO2017036231A1 (zh) * | 2015-08-31 | 2017-03-09 | 深圳先进技术研究院 | 从光学相干断层图像获取视网膜结构的方法及其系统 |
US10134143B2 (en) | 2015-08-31 | 2018-11-20 | Shenzhen Institutes Of Advanced Technology | Method for acquiring retina structure from optical coherence tomographic image and system thereof |
CN105608675A (zh) * | 2015-12-18 | 2016-05-25 | 天津迈达医学科技股份有限公司 | 一种眼底组织oct图像运动伪差的矫正方法 |
CN105608675B (zh) * | 2015-12-18 | 2018-05-15 | 天津迈达医学科技股份有限公司 | 一种眼底组织oct图像运动伪差的矫正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102436651B (zh) | 2013-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105009174B (zh) | 用于评估组织纤维化的方法及系统 | |
Yin et al. | User-guided segmentation for volumetric retinal optical coherence tomography images | |
CN102436651B (zh) | 视网膜oct体数据三维层状边界的提取方法及系统 | |
Xu et al. | A novel segmentation algorithm for volumetric analysis of macular hole boundaries identified with optical coherence tomography | |
Peng et al. | 3D liver segmentation using multiple region appearances and graph cuts | |
US11653828B2 (en) | Systems and methods for improved anterior segment OCT imaging | |
Li et al. | DeepRetina: layer segmentation of retina in OCT images using deep learning | |
Selig et al. | Fully automatic evaluation of the corneal endothelium from in vivo confocal microscopy | |
CN103348359A (zh) | 使用光学相干断层照相的3d视网膜破裂检测 | |
de Sisternes et al. | Automated intraretinal segmentation of SD-OCT images in normal and age-related macular degeneration eyes | |
Williams et al. | Automatic segmentation of anterior segment optical coherence tomography images | |
Chen et al. | Application of artificial intelligence and deep learning for choroid segmentation in myopia | |
CN110717884B (zh) | 一种基于眼表结构变化一致性表达角膜不规则改变的方法 | |
Chen et al. | Automated artery localization and vessel wall segmentation using tracklet refinement and polar conversion | |
Liu et al. | Shortest path with backtracking based automatic layer segmentation in pathological retinal optical coherence tomography images | |
Mao et al. | Deep learning with skip connection attention for choroid layer segmentation in oct images | |
CN110353639A (zh) | 一种基于血管增强造影的供血区定量方法及系统 | |
Lou et al. | Fast retinal segmentation based on the wave algorithm | |
Liu et al. | Automated retinal boundary segmentation of optical coherence tomography images using an improved Canny operator | |
Li et al. | Automated choroidal neovascularization detection for time series SD-OCT images | |
Ganjee et al. | Automatic segmentation of abnormal capillary nonperfusion regions in optical coherence tomography angiography images using marker-controlled watershed algorithm | |
Montesel et al. | Automated foveal location detection on spectral-domain optical coherence tomography in geographic atrophy patients | |
Zhang et al. | Automatic measurement of exophthalmos based orbital CT images using deep learning | |
Hidalgo-Aguirre et al. | Automatic segmentation of the optic nerve head for deformation measurements in video rate optical coherence tomography | |
Yang et al. | Segment aorta and localize landmarks simultaneously on noncontrast CT using a multitask learning framework for patients without severe vascular disease |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130619 Termination date: 20180825 |