CN102436651A - 视网膜oct体数据三维层状边界的提取方法及系统 - Google Patents

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

视网膜OCT体数据三维层状边界的提取方法及系统

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，

I_i，j，k＝w₁*D_i，j，k+w₂*Y_i，j，k

其中，Y_i，j，k为视网膜OCT三维体数据，D_i，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，I_i，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，

I_i，j，k＝w₁*D_i，j，k+w₂*S_i，j，k

其中，S_i，j，k为平滑体数据，D_i，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，I_i，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。

优选地，设所述正方体的中心点为

在正方体上除中心外的点为Y_i，j，k，沿竖直方向越向下，k值越大时，所述RPE层对应的卷积算子为：

$f_{i,j,k}=\left\{\begin{array}{c}1,k<k_0\\ 0,k=k_0\\ -1,k>k_0\end{array}\right.$

所述IS/OS层和ILM层对应的卷积算子为：

$f_{i,j,k}=\left\{\begin{array}{c}-1,k<k_0\\ 0,k=k_0\\ 1,k>k_0\end{array}\right.$

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I_i，j，k的每一列中寻找亮度值最大的像素，所述每一列为I_i，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，

I_i，j，k＝w₁*D_i，j，k+w₂*Y_i，j，k

其中，Y_i，j，k为视网膜OCT三维体数据，D_i，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，I_i，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，

I_i，j，k＝w₁*D_i，j，k+w₂*S_i，j，k

其中，S_i，j，k为平滑体数据，D_i，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，I_i，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Y_i，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：

$f_{i,j,k}=\left\{\begin{array}{c}1,k<k_0\\ 0,k=k_0\\ -1,k>k_0\end{array}\right.$

所述IS/OS层和ILM层对应的卷积算子为：

$f_{i,j,k}=\left\{\begin{array}{c}-1,k<k_0\\ 0,k=k_0\\ 1,k>k_0\end{array}\right.$

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，

I_i，j，k＝w₁*D_i，j，k+w₂*Y_i，j，k

其中，Y_i，j，k为视网膜OCT三维体数据，D_i，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，I_i，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，

I_i，j，k＝w₁*D_i，j，k+w₂*S_i，j，k

其中，S_i，j，k为平滑体数据，D_i，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，I_i，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。

6.如权利要求5所述的方法，其特征在于，设所述正方体的中心点为

在正方体上除中心外的点为Y_i，j，k，沿竖直方向越向下，k值越大时，所述RPE层对应的卷积算子为：

$f_{i,j,k}=\left\{\begin{array}{c}1,k<k_0\\ 0,k=k_0\\ -1,k>k_0\end{array}\right.$

所述IS/OS层和ILM层对应的卷积算子为：

$f_{i,j,k}=\left\{\begin{array}{c}-1,k<k_0\\ 0,k=k_0\\ 1,k>k_0\end{array}\right.$

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。

Images