CN105374028B - 光学相干层析成像视网膜图像分层的方法 - Google Patents
光学相干层析成像视网膜图像分层的方法 Download PDFInfo
- Publication number
- CN105374028B CN105374028B CN201510658744.7A CN201510658744A CN105374028B CN 105374028 B CN105374028 B CN 105374028B CN 201510658744 A CN201510658744 A CN 201510658744A CN 105374028 B CN105374028 B CN 105374028B
- Authority
- CN
- China
- Prior art keywords
- layer
- retina
- split
- point
- image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000004256 retinal image Effects 0.000 title claims abstract description 20
- 230000003287 optical effect Effects 0.000 title claims abstract description 16
- 238000003384 imaging method Methods 0.000 title claims abstract description 13
- 230000001427 coherent effect Effects 0.000 title claims abstract description 12
- 210000001525 retina Anatomy 0.000 claims abstract description 98
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 210000003583 retinal pigment epithelium Anatomy 0.000 claims description 29
- 238000012014 optical coherence tomography Methods 0.000 claims description 18
- 239000012528 membrane Substances 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 210000004204 blood vessel Anatomy 0.000 abstract description 5
- 210000003027 ear inner Anatomy 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000007493 shaping process Methods 0.000 abstract description 2
- 230000001629 suppression Effects 0.000 abstract description 2
- 239000000835 fiber Substances 0.000 description 10
- 230000002207 retinal effect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 210000005036 nerve Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 239000013307 optical fiber Substances 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000000574 ganglionic effect Effects 0.000 description 2
- 206010012689 Diabetic retinopathy Diseases 0.000 description 1
- 208000003098 Ganglion Cysts Diseases 0.000 description 1
- 208000010412 Glaucoma Diseases 0.000 description 1
- 208000005400 Synovial Cyst Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000002919 epithelial cell Anatomy 0.000 description 1
- 229930192878 garvin Natural products 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20168—Radial search
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Eye Examination Apparatus (AREA)
Abstract
一种光学相干层析成像(OCT)视网膜图像分层的方法,首先对图像进行去噪预处理,然后对每个A‑scan图像设置可变阈值进行逐层分割作为初步的分层结果,再对各层的初步分层结果进行连续性和完整性判断,并对不符合要求的分割点进行修正,从而准确高效地对OCT视网膜图像进行分层。本发明的优点是可以对高噪声、低对比度、甚至存在血管等复杂结构的OCT视网膜图像进行良好的分层处理,有效减小了选取单一阈值以及高散斑噪声对视网膜分层效果的影响。
Description
技术领域
本发明涉及光学相干层析成像(Optical Coherence Tomography,简称OCT)图像,尤其涉及一种光学相干层析成像视网膜图像分层的方法。
背景技术
光学相干层析成像(Optical coherence tomography,简称为OCT)是一种非侵入的高分辨率生物医学光学成像技术,可在体检测生物组织内部的微结构,已广泛地应用于眼科视网膜成像领域。对视网膜层总厚度和其中一些特定层诸如视网膜神经纤维层(RNFL)厚度的定量测量可应用于青光眼、糖尿病视网膜病变等高致盲眼科疾病的诊断。较之耗时且精度有限的人工视网膜分层,自动的视网膜分层方法可以同时提升分层效率和精度。
现有一种基于图像灰度和灰度梯度的视网膜分层方法。2005年,Fernández等人提出了用复合扩散滤波减少散斑噪声然后基于A-scan上的强度峰来进行视网膜分层的方法(参见在先技术[1],D.C.Fernandez,H.M.Salinas,and C.A.Puliafito,"Automateddetection of retinal layer structures on optical coherence tomographyimages,"Optics Express,vol.13,pp.10200-10216,2005);2005年,Ishikawa等人提出了用修改过的中值滤波减少散斑噪声,然后使用基于A-scan直方图的自适应阈值方法进行视网膜分层的技术(参见在先技术[2],H.Ishikawa,D.M.Stein,G.Wollstein,S.Beaton,J.G.Fujimoto,and J.S.Schuman,"Macular segmentation with optical coherencetomography,"Invest Ophthalmol Vis Sci,vol.46,pp.2012-7,2005)。基于图像灰度和灰度梯度的视网膜分层方法进行简单的去噪处理后通过A-scan上的强度峰来进行视网膜分层,对低对比度和有血管等复杂结构存在的视网膜图像分层效果不理想。
另外有一种基于图论的视网膜分层方法。2009年,Garvin等人使用了图论的搜索方法,在3D图像中寻找相关罚函数和限制条件的最小值来对视网膜进行分层(参见在先技术[3],M.K.Garvin,M.D.Abramoff,X.Wu,S.R.Russell,T.L.Burns,and M.Sonka,"Automated 3-D intraretinal layer segmentation of macular spectral-domainoptical coherence tomography images,"IEEE Trans Med Imaging,vol.28,pp.1436-47,2009);2010年,Chiu等人提出了2D图论方法,通过最短路径算法对视网膜进行分层(参见在先技术[4],S.J.Chiu,X.T.Li,P.Nicholas,C.A.Toth,J.A.Izatt,and S.Farsiu,"Automatic segmentation of seven retinal layers in SDOCT images congruent withexpert manual segmentation,"Opt Express,vol.18,pp.19413-28,2010);2010年,Yang等人提出了一种同时考虑局部和全局梯度信息的分两步的图论方法进行视网膜分层(参见在先技术[5],Q.Yang,C.A.Reisman,Z.Wang,Y.Fukuma,M.Hangai,N.Yoshimura,et al.,"Automated layer segmentation of macular OCT images using dual-scale gradientinformation,"Opt Express,vol.18,pp.21293-307,2010)。图论的方法对噪声和图像退化很敏感。
发明内容
本发明的目的是为了克服以上在先技术的不足,提供一种光学相干层析成像视网膜图像分层的方法,首先对图像进行去噪预处理,然后对每个A-scan图像设置可变阈值进行逐层分割作为初步的分层结果,再对各层的初步分层结果进行连续性和完整性判断,并对不符合要求的分割点进行修正,从而准确高效地对OCT视网膜图像进行分层。本发明的优点是可以对高噪声、低对比度、甚至存在血管等复杂结构的OCT视网膜图像进行良好的分层处理,有效减小了选取单一阈值以及高散斑噪声对视网膜分层效果的影响。
本发明的技术解决方案如下:
一种光学相干层析成像视网膜图像分层的方法,该方法的具体步骤如下:
①首先利用光学相干层析成像系统对人眼视网膜进行扫描,获得原始的视网膜B-scan图像;
②对原始的视网膜B-scan图像做三维块匹配(BM3D)去噪;
③搜索每个A-scan图像上强度最大的点作为视网膜色素上皮细胞(RPE)层下边界;
④设定整体阈值Y(Y可在图像最大灰度的三分之一到七分之一之间选取),将图像中灰度小于Y的像素置零,然后使用canny边缘检测算子搜索图像自上而下的第一层,作为内界膜(ILM)层;
⑤在图像中分别由上端向图像中心(内界膜层至外网状层)、由下端向图像中心(视网膜色素上皮细胞层下边界至感光层内外连接部分上边界)对视网膜逐层进行分割,选取图像中上端最靠近待分割视网膜层的已分割视网膜层作为上基准层,选取图像中下端最靠近待分割视网膜层的已分割视网膜层作为下基准层,在两个基准层中选取距离待分割视网膜层最近的那个基准层作为目标区域S的起始边界,从起始边界开始向另一基准层延伸M个像素(M在15到30之间选取),所经过的区域构成目标区域S;
⑥设置阈值参数τ,τ的经验范围为[m,n](m可在1.1到2之间选取,n可在3到7之间选取),根据待分割视网膜层周围的灰度变化特性将τ置为m或n。
⑦对每个A-scan设置一个不同的局部阈值λth:假设第i个A-scan的强度最大值为Imax(i),则该列设置的局部阈值λth(i)可表示为其中τ为所选阈值参数;
⑧对每个A-scan从距离待分割视网膜层近的一个基准层开始向另一个基准层的方向进行搜索,若在分割待分割视网膜层的过程中阈值参数τ最初置为m,则搜索到第一个灰度大于阈值λth的点P(i)时进入步骤⑨;若在分割待分割视网膜层的过程中阈值参数τ最初置为n,则搜索到第一个灰度小于阈值λth的点P(i)时进入步骤⑨;
⑨判断⑧中找到的点P(i)是否在⑤中确定的目标区域S内,若P(i)在S内,将P(i)作为待分割视网膜层的初步结果,并进入步骤⑩;若P(i)不在S内,需重新设置阈值参数τ,将阈值参数τ向经验范围的另一端移动一个固定大小(可在0.01到0.5之间选取);然后重复步骤⑦⑧⑨;
⑩对待分割视网膜层的初步结果进行连续性和完整性判断,对不连续和不完整的分割点取两侧最近的连续完整分割点进行线性连接,作为该层的最终分层结果;
⑾重复⑤至⑩对视网膜图像中每一个待分割视网膜层依次进行分层,得到最终的视网膜分层结果。
所述的BM3D去噪方法是:
首先将图像分成固定大小的块,根据这些块的相似程度进行图像块的匹配,把结构相似的二维图像块组合在一起构建三维数组,然后对三维数组进行联合滤波处理,最后对滤波处理后的结果进行逆变换得到消除散斑噪声后的图像。具体方法见参考文献K.Dabov,A.Foi,V.Katkovnik,and K.Egiazarian,"Image denoising by sparse 3-Dtransform-domain collaborative filtering,"IEEE Trans Image Process,vol.16,pp.2080-95,Aug 2007。
所述的阈值参数τ的取值方法是:
τ的经验范围为[m,n],其中m在1.1到2之间选取,n在3到7之间选取,从距离待分割视网膜层近的一个基准层向另一个基准层的方向进行灰度分析,若在经过待分割视网膜层时,像素点的灰度由大变小,则将τ置为n;反之,若在经过待分割视网膜层时,像素点的灰度由小变大,则将τ置为m。
所述的连续性和完整性判断的方法是:
依次搜索图像中的每个A-scan,若某个A-scan中未获得待分割视网膜层的分割点,则认为待分割视网膜层在该A-scan上的分割点不完整;反之,若某个A-scan中已获得待分割视网膜层的分割点,则认为待分割视网膜层在该A-scan上的分割点完整,并继续判断连续性:若某个A-scan中的分割点和与之相邻的两个A-scan中的分割点在图像中的行坐标相差均不大于1,则认为该分割点连续;反之,若某个A-scan中的分割点和与之相邻的两个A-scan中的分割点在图像中的行坐标有相差大于1的情况,则认为该分割点不连续。
实施上述方法的是频域光学相干层析成像系统,包括低相干光源,光源输出的光经过隔离器被耦合进迈克尔逊干涉仪中,迈克尔逊干涉仪将入射光分为两路,分别入射到参考臂和样品臂中。参考臂光纤中的光束经光纤准直器准直后照射在参考镜上。样品臂光纤输出的光经光纤准直器准直后经过二维振镜被聚焦在待测样品内。迈克尔逊干涉仪的输出端连接一光谱仪,光谱仪采集到的干涉光谱通过图像采集卡输入计算机中。
所述的低相干光源为宽光谱带宽光源,如超辐射发光二极管(SLD)或飞秒激光器或超连续谱光源等。
所述的隔离器是偏振无关的宽带隔离器。
所述的迈克尔逊干涉仪其特征在于具有两个接近等光程的干涉光路分别做参考臂和样品臂。该干涉仪可以是体光学系统,如由分光棱镜分光构成参考臂和样品臂两路;也可以是光纤光学系统,如由2×2光纤耦合器的两个输出光纤光路分别作为参考臂和样品臂。
所述的光谱仪由准直透镜,分光光栅,聚焦透镜和光电探测器列阵组成。
所述的光电探测器阵列是CCD或CMOS阵列或其他具有光电信号转换功能的探测器阵列。
该系统的工作情况如下:
低相干光源发出的光经过隔离器后被耦合到迈克尔逊干涉仪中,迈克尔逊干涉仪将入射光分为参考光路和样品光路,参考光路中的光经过准直后照射到参考平面镜上,样品光路中的光准直后经过二维振镜被聚焦透镜聚焦在待测样品内,参考镜的反射光及样品内部不同深度的背向散射光被重新收集回参考臂与样品臂中,在迈克尔逊干涉仪中汇合后被送入光谱仪中,光谱仪将记录的干涉光谱信号通过图像采集卡送入计算机进行数据处理,得到待测样品沿深度方向的层析图。通过二维振镜沿光轴垂直方向做横向扫描获得样品上不同位置的层析图,得到待测样品的二维或三维层析图。
本发明与现有技术相比有益的效果是:
与在先技术[1][2][3][4][5]相比,本发明可以对高噪声、低对比度及存在血管等复杂结构的图像进行更好的分层处理。
附图说明
图1是光纤型频域光学相干层析成像系统结构示意图。
图2是实施例样品光学相干层析成像系统得到的原始视网膜图像。
图3是本发明的视网膜分层方法流程图。
图4是采用本发明的视网膜分层方法对实施例样品分层获得的分层图。
图5是专家对实施例样品分层获得的分层图。
图6是本发明的视网膜分层方法和专家分层结果的位置偏差比较。
具体实施方式
下面结合实施例和附图对本发明作进一步说明,但不应以此限制本发明的保护范围。
请参阅图1,图1为光纤型频域光学相干层析成像系统结构示意图。其中包括低相干光源1,在低相干光源的输出光束方向放置隔离器2,隔离器的输出端与耦合器3的一端口31相连,该耦合器3将光分为参考臂光路4和样品臂光路5,耦合器3的33端口输出光经过参考臂的准直透镜41后照射到参考平面镜42上,耦合器3的34端口输出光经过样品臂的准直透镜51后依次经过二维扫描振镜52、聚焦透镜53和待测样品54。耦合器3的32输出端连接光谱仪6,该光谱仪包括准直透镜61、衍射光栅62、聚焦透镜63和探测器64组成,光谱仪6通过图像采集卡7与计算机8连接。
低相干光源1发出的宽光谱光经过隔离器2后从端口31进入到耦合器3中并分为两路光束,一束经端口33进入到参考臂光路4,并经过准直透镜41入射到参考平面镜42表面;另一束经端口34进入到样品臂5,并经过准直透镜51、二维扫描振镜52后,被聚焦透镜53聚焦在待测样品54内的不同位置。从参考平面镜42反射回来的光和从待测样品54内部不同深度处背向散射回来的光被重新收集回耦合器3并发生干涉,该干涉光经端口32进入到光谱仪6,经准直透镜61将光束准直后,被衍射光栅62分光后,由聚焦透镜63成像在探测器64上,探测器64将光信号转换为电信号后,经图像采集卡7数模转换后送人计算机8,该频域干涉信号经过窗口迭代色散补偿方法81进行色散补偿后,得到被测样品54沿深度方向上的层析图。通过二维扫描振镜52对待测样品54沿光轴垂直方向做横向扫描获得被测样品54的二维或三维层析图,并显示于计算机8的显示器82上。
图2为图1所述光学相干层析成像系统得到的原始视网膜图像。
图3是视网膜分层方法流程图。它包含下列步骤:
(1)对原始的视网膜B-scan图像做三维块匹配(BM3D)去噪:
首先将图像分成固定大小的块,根据这些块的相似程度进行图像块的匹配,把结构相似的二维图像块组合在一起构建三维数组,然后对三维数组进行联合滤波处理,最后对滤波处理后的结果进行逆变换得到消除散斑噪声后的图像。
(2)搜索每个A-scan上强度最大的点作为视网膜色素上皮细胞(RPE)层下边界。
(3)设定整体阈值Y(Y可在图像最大灰度的三分之一到七分之一之间选取)将图像中灰度小于阈值的像素置零,然后使用canny边缘检测算子搜索图像自上而下的第一层,作为内界膜(ILM)层。
(4)在图像中分别由上端向图像中心(内界膜层至外网状层)、由下端向图像中心(视网膜色素上皮细胞层下边界至感光层内外连接部分上边界)对视网膜逐层进行分割,选取图像中上端最靠近待分割视网膜层的已分割视网膜层作为上基准层,选取图像中下端最靠近待分割视网膜层的已分割视网膜层作为下基准层,在两个基准中选取距离待分割视网膜层最近的那个基准层作为目标区域S的起始边界,从起始边界开始向另一基准层延伸20个像素,所经过的区域构成目标区域S。
例如,已分割视网膜层只有内界膜(ILM)层和视网膜色素上皮细胞(RPE)层下边界这两层时,先选取视网膜神经纤维层(RNFL)下边界作为待分割视网膜层,此时内界膜(ILM)层为上基准层,视网膜色素上皮细胞(RPE)层下边界为下基准层,内界膜(ILM)层为目标区域S的起始边界;然后再选取视网膜色素上皮细胞(RPE)层上边界作为待分割视网膜层,此时视网膜神经纤维层(RNFL)下边界为上基准层,视网膜色素上皮细胞(RPE)层下边界为下基准层,视网膜色素上皮细胞(RPE)层下边界为目标区域S的起始边界;接下来选取视网膜节细胞层(GCL)下边界作为待分割视网膜层,此时视网膜神经纤维层(RNFL)下边界为上基准层,视网膜色素上皮细胞(RPE)层上边界为下基准层,视网膜色素上皮细胞(RPE)层上边界为目标区域S的起始边界;以此类推,依次将视网膜神经纤维层(RNFL)下边界、视网膜色素上皮细胞(RPE)层上边界、视网膜节细胞层(GCL)下边界、感光层内外连接部分(IS/OS)下边界、视网膜内网层(IPL)下边界、感光层内外连接部分(IS/OS)上边界、内核层(INL)下边界、外网状层(OPL)作为待分割视网膜层进行分层。
(5)设置阈值参数τ:
τ有一个经验范围[1.5,5],从距离待分割视网膜层近的一个基准层向另一个基准层的方向进行灰度分析,若在经过待分割视网膜层时,像素点的灰度由大变小,则将τ置为5;反之,若在经过待分割视网膜层时,像素点的灰度由小变大,则将τ置为1.5。
例如,当待分割视网膜层为视网膜神经纤维层(RNFL)下边界时,内界膜(ILM)层为上基准层,视网膜色素上皮细胞(RPE)层下边界为下基准层,两个基准层中内界膜(ILM)层距离RNFL下边界近,从ILM向RPE下边界的方向进行灰度分析,经过RNFL下边界时,像素点的灰度由大变小,故将τ置为5;当待分割视网膜层为视网膜节细胞层(GCL)下边界时,视网膜神经纤维层(RNFL)下边界为上基准层,视网膜色素上皮细胞(RPE)层上边界为下基准层,两个基准层中RNFL下边界距离GCL下边界近,从RNFL下边界向RPE上边界的方向进行灰度分析,经过GCL下边界时,像素点的灰度由小变大,故将τ置为1.5。
(6)对每个A-scan设置一个不同的局部阈值λth:
假设第i个A-scan的强度最大值为Imax(i),则该列设置的局部阈值λth(i)可表示为其中τ为所选阈值参数。
(7)对每个A-scan从距离待分割视网膜层近的一个基准层开始向另一个基准层的方向进行搜索,若在分割待分割视网膜层的过程中阈值参数τ最初置为1.5,则搜索到第一个灰度大于阈值λth的点P(i)时进入步骤(8);若在分割待分割视网膜层的过程中阈值参数τ最初置为5,则搜索到第一个灰度小于阈值λth的点P(i)时进入步骤(8)。
(8)判断(7)中找到的点P(i)是否在(4)中确定的目标区域S内,若P(i)在S内,将P(i)作为待分割视网膜层的初步结果,并进入步骤(9);若P(i)不在S内,需重新设置阈值参数τ,将阈值参数τ向经验范围的另一端移动一个固定大小0.1;然后重复步骤(6)(7)(8);
(9)对待分割视网膜层的初步结果进行连续性和完整性判断:
依次搜索图像中的每个A-scan,若某个A-scan中未获得待分割视网膜层的分割点,则认为待分割视网膜层在该A-scan上的分割点不完整;反之,若某个A-scan中已获得待分割视网膜层的分割点,则认为待分割视网膜层在该A-scan上的分割点完整,并继续判断连续性:若某个A-scan中的分割点和与之相邻的两个A-scan中的分割点在图像中的行坐标相差均不大于1,则认为该分割点连续;反之,若某个A-scan中的分割点和与之相邻的两个A-scan中的分割点在图像中的行坐标有相差大于1的情况,则认为该分割点不连续。
然后对不连续和不完整的分割点取两侧最近的连续完整分割点进行线性连接,作为该层的最终分层结果;
(10)重复(4)至(9)对视网膜图像中每一个待分割视网膜层依次进行分层,得到最终的视网膜分层结果。
图4是采用本发明的视网膜分层方法对实施例样品分层获得的分层图,图5是专家对实施例样品分层获得的分层图,图6是本发明的视网膜分层方法和专家分层结果的位置偏差比较。可以看出,经过本发明的视网膜分层后,对实施例样品的分层效果与专家分层效果相近,各视网膜层的分层位置偏差均在可接受范围内。
本发明应用于光学相干层析成像系统的视网膜分层,采用BM3D去噪作预处理,对每个A-scan上设置可变阈值进行逐层最优化分割作为初步分层结果,然后对各层的初步结果进行连续性和完整性判断,并对不符合要求的分割点进行修正,能准确高效地对高噪声、低对比度及存在血管等复杂结构的视网膜图像进行分层。
Claims (4)
1.一种光学相干层析成像视网膜图像分层的方法,其特征在于该方法的具体步骤如下:
①首先利用光学相干层析成像系统对人眼视网膜进行扫描,获得原始的视网膜B-scan图像;
②对原始的视网膜B-scan图像做三维块匹配去噪;
③搜索每个A-scan图像上强度最大的点作为视网膜色素上皮细胞层下边界;
④设定整体阈值Y,该Y在图像最大灰度的三分之一到七分之一之间选取,将图像中灰度小于Y的像素置零,然后使用canny边缘检测算子搜索图像自上而下的第一层,作为内界膜层;
⑤分别由图像上端向图像中心,即内界膜层至外网状层、由图像下端向图像中心,即视网膜色素上皮细胞层下边界至感光层内外连接部分上边界,对视网膜逐层进行分割,选取图像中上端最靠近待分割视网膜层的已分割视网膜层作为上基准层,选取图像中下端最靠近待分割视网膜层的已分割视网膜层作为下基准层,在两个基准层中选取距离待分割视网膜层最近的那个基准层作为目标区域S的起始边界,从起始边界开始向另一基准层延伸M个像素,M在15到30之间选取,所经过的区域构成目标区域S;
⑥设置阈值参数τ,τ的经验范围为[m,n],其中m在1.1到2之间选取,n在3到7之间选取,根据待分割视网膜层周围的灰度变化特性将τ置为m或n;
⑦对每个A-scan图像设置一个不同的局部阈值λth:假设第i个A-scan图像的强度最大值为Imax(i),则该列设置的局部阈值λth(i)表示为其中τ为所选阈值参数;
⑧对每个A-scan图像,从距离待分割视网膜层近的一个基准层向另一个基准层的方向进行搜索,若在分割待分割视网膜层的过程中阈值参数τ最初置为m,则搜索到第一个灰度大于阈值λth的点P(i)时进入步骤⑨;若在分割待分割视网膜层的过程中阈值参数τ最初置为n,则搜索到第一个灰度小于阈值λth的点P(i)时进入步骤⑨;
⑨判断点P(i)是否在目标区域S内,若点P(i)在目标区域S内,则将P(i)作为待分割视网膜层的初步结果,并进入步骤⑩;若点P(i)不在目标区域S内,则重新设置阈值参数τ,将阈值参数τ向经验范围的另一端移动一个固定大小a,a在0.01到0.5之间选取,然后返回步骤⑦;
⑩对待分割视网膜层的初步结果进行连续性和完整性判断,对不连续和不完整的分割点取两侧最近的连续完整分割点进行线性连接,作为该层的最终分层结果;
重复步骤⑤至步骤⑩对视网膜图像中每一个待分割视网膜层依次进行分层,得到最终的视网膜分层结果。
2.根据权利要求1所述的光学相干层析成像视网膜图像分层的方法,其特征在于所述的三维块匹配去噪的步骤具体是:
首先将图像分成固定大小的块,根据这些块的相似程度进行图像块的匹配,把结构相似的二维图像块组合在一起构建三维数组,然后对三维数组进行联合滤波处理,最后对滤波处理后的结果进行逆变换得到消除散斑噪声后的图像。
3.根据权利要求1所述的光学相干层析成像视网膜图像分层的方法,其特征在于所述的阈值参数τ的取值方法是:
τ的经验范围为[m,n],其中m在1.1到2之间选取,n在3到7之间选取,从距离待分割视网膜层近的一个基准层向另一个基准层的方向进行灰度分析,若在经过待分割视网膜层时,像素点的灰度由大变小,则将τ置为n;反之,若在经过待分割视网膜层时,像素点的灰度由小变大,则将τ置为m。
4.根据权利要求1所述的光学相干层析成像视网膜图像分层的方法,其特征在于所述的连续性和完整性判断的方法是:
依次搜索图像中的每个A-scan图像,若某个A-scan图像中未获得待分割视网膜层的分割点,则认为待分割视网膜层在该A-scan图像上的分割点不完整;反之,若某个A-scan图像中已获得待分割视网膜层的分割点,则认为待分割视网膜层在该A-scan图像上的分割点完整,并继续判断连续性:若某个A-scan图像中的分割点和与之相邻的两个A-scan图像中的分割点在图像中的行坐标相差均不大于1,则认为该分割点连续;反之,若某个A-scan图像中的分割点和与之相邻的两个A-scan图像中的分割点在图像中的行坐标有相差大于1的情况,则认为该分割点不连续。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510658744.7A CN105374028B (zh) | 2015-10-12 | 2015-10-12 | 光学相干层析成像视网膜图像分层的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510658744.7A CN105374028B (zh) | 2015-10-12 | 2015-10-12 | 光学相干层析成像视网膜图像分层的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105374028A CN105374028A (zh) | 2016-03-02 |
CN105374028B true CN105374028B (zh) | 2018-10-02 |
Family
ID=55376200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510658744.7A Active CN105374028B (zh) | 2015-10-12 | 2015-10-12 | 光学相干层析成像视网膜图像分层的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105374028B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018051209A1 (en) * | 2016-09-16 | 2018-03-22 | Novartis Ag | Subtractive en face optical coherence tomography imaging |
CN108269258B (zh) * | 2016-12-30 | 2020-07-24 | 深圳先进技术研究院 | 从oct角膜图像分割角膜结构的方法和系统 |
CN107452029A (zh) * | 2017-07-31 | 2017-12-08 | 中国医学科学院生物医学工程研究所 | 一种光学微血管血流成像方法 |
CN108961261B (zh) * | 2018-03-14 | 2022-02-15 | 中南大学 | 一种基于空间连续性约束的视盘区域oct图像层次分割方法 |
CN108765388B (zh) * | 2018-05-17 | 2020-10-27 | 苏州大学 | 食道内窥oct图像层次结构的自动分割方法和系统 |
CN114359254B (zh) * | 2022-01-13 | 2023-12-19 | 视微影像(河南)科技有限公司 | 一种眼前节oct图像光柱检测与定位跟踪方法及系统 |
CN117109450B (zh) * | 2023-07-25 | 2024-05-10 | 广东工业大学 | 一种自适应参数谱估计的高分辨光谱共焦干涉薄膜测厚法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036498A (zh) * | 2014-05-28 | 2014-09-10 | 杭州电子科技大学 | 一种基于逐层分级的oct图像质量快速评价方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7301644B2 (en) * | 2004-12-02 | 2007-11-27 | University Of Miami | Enhanced optical coherence tomography for anatomical mapping |
JP5543126B2 (ja) * | 2009-04-16 | 2014-07-09 | キヤノン株式会社 | 医用画像処理装置及びその制御方法 |
US9177102B2 (en) * | 2011-04-28 | 2015-11-03 | Bioptigen, Inc. | Database and imaging processing system and methods for analyzing images acquired using an image acquisition system |
-
2015
- 2015-10-12 CN CN201510658744.7A patent/CN105374028B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036498A (zh) * | 2014-05-28 | 2014-09-10 | 杭州电子科技大学 | 一种基于逐层分级的oct图像质量快速评价方法 |
Non-Patent Citations (5)
Title |
---|
Adaptive Speckle Reduction in OCT Volume Data Based on Block-Matching and 3-D Filtering;Longzhi Wang等;《IEEE PHOTONICS TECHNOLOGY LETTERS》;20121015;第24卷(第20期);第1802-1804页 * |
Automated 3-D Retinal Layer Segmentation of Macular Optical Coherence Tomography Images With Serous Pigment Epithelial Detachments;Fei Shi等;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;20150228;第34卷(第2期);第441-452页 * |
Automated retinal layers segmentation in SD-OCT images using dual-gradient and spatial correlation smoothness constraint;Sijie Niu等;《Computers in Biology and Medicine》;20141231;第54卷;第116-128页 * |
Automatic segmentation of seven retinal layers in SDOCT images congruent with expert manual segmentation;Stephanie J. Chiu等;《Optics Express》;20100830;第18卷(第18期);第19413-19428页 * |
光学相干层析医学图像处理及其应用;孙延奎;《光学 精密工程》;20140430;第22卷(第4期);第1086-1104页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105374028A (zh) | 2016-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105374028B (zh) | 光学相干层析成像视网膜图像分层的方法 | |
CN109115804B (zh) | 一种定量检测玻璃亚表面缺陷的装置及方法 | |
CN104523239B (zh) | 全深度谱域光学相干层析成像装置及方法 | |
Jian et al. | Three-dimensional speckle suppression in optical coherence tomography based on the curvelet transform | |
EP2745092B1 (en) | Attaching optical coherence tomography systems onto smartphones | |
JP5631032B2 (ja) | 画像処理装置、画像処理システム、画像処理方法、及び画像処理をコンピュータに実行させるためのプログラム | |
JP5645432B2 (ja) | 画像処理装置、画像処理システム、画像処理方法、及び画像処理をコンピュータに実行させるためのプログラム | |
EP1775545B1 (en) | Optical image measuring device, optical image measuring program, fundus observation device, and fundus observation program | |
EP2189109B1 (en) | Eyeground observing device | |
JP6765786B2 (ja) | 撮像装置、撮像装置の作動方法、情報処理装置、及び情報処理装置の作動方法 | |
EP1833359A1 (en) | Enhanced optical coherence tomography for anatomical mapping | |
Lawman et al. | High resolution corneal and single pulse imaging with line field spectral domain optical coherence tomography | |
US10561311B2 (en) | Ophthalmic imaging apparatus and ophthalmic information processing apparatus | |
US10251550B2 (en) | Systems and methods for automated segmentation of retinal fluid in optical coherence tomography | |
US11514574B2 (en) | Methods for detection and enhanced visualization of pathologies in a human eye | |
CN104013383A (zh) | 双焦点眼前后节同步成像系统及成像方法 | |
CN105748041A (zh) | 光学相干断层扫描成像中散斑噪声的抑制系统和方法 | |
JP7419042B2 (ja) | 医用画像処理装置、光干渉断層撮影装置、医用画像処理方法、及びプログラム | |
US11029141B2 (en) | Anticipatory depth of field adjustment for optical coherence tomography | |
CN113317784A (zh) | 一种微米级线式聚焦扫描显微光谱光学相干层析成像系统 | |
CN105011900A (zh) | 用于生成宽视场光学相干体层析图的方法和装置 | |
CN105761218A (zh) | 光学相干层析成像的图像伪彩色处理方法 | |
Szkulmowski et al. | Analysis of posterior retinal layers in spectral optical coherence tomography images of the normal retina and retinal pathologies | |
CN101862180A (zh) | 近红外光谱双视场干涉成像装置 | |
Wojtkowski et al. | Comparison of reflectivity maps and outer retinal topography in retinal disease by 3-D Fourier domain optical coherence tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |