CN111417334B - 光学相干断层扫描成像中的改进分割 - Google Patents
光学相干断层扫描成像中的改进分割 Download PDFInfo
- Publication number
- CN111417334B CN111417334B CN201880077302.5A CN201880077302A CN111417334B CN 111417334 B CN111417334 B CN 111417334B CN 201880077302 A CN201880077302 A CN 201880077302A CN 111417334 B CN111417334 B CN 111417334B
- Authority
- CN
- China
- Prior art keywords
- image
- oct
- feature
- feature image
- generating
- 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
- 238000012014 optical coherence tomography Methods 0.000 title claims abstract description 152
- 230000011218 segmentation Effects 0.000 title claims abstract description 47
- 238000003384 imaging method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000007620 mathematical function Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 19
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 4
- 210000000695 crystalline len Anatomy 0.000 description 31
- 210000000554 iris Anatomy 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 239000002775 capsule Substances 0.000 description 8
- 230000010354 integration Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 238000001356 surgical procedure Methods 0.000 description 7
- 238000012800 visualization Methods 0.000 description 7
- 210000004087 cornea Anatomy 0.000 description 6
- 208000002177 Cataract Diseases 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 201000009310 astigmatism Diseases 0.000 description 3
- 210000001525 retina Anatomy 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000002159 anterior chamber Anatomy 0.000 description 2
- 230000004323 axial length Effects 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 206010002945 Aphakia Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/102—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for optical coherence tomography [OCT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10056—Microscopic image
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Eye Examination Apparatus (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种用于改进光学相干断层扫描成像中的分割的方法。所述方法包括获得成像组织的OCT图像，为所述OCT图像的至少一部分生成第一特征图像，以及基于所述OCT图像或所述第一特征图像，通过在所述OCT图像或第一特征图像上的第一方向上整合图像数据，为所述OCT图像的至少一部分生成第二特征图像。生成第三特征图像作为所述第一特征图像和所述第二特征图像的数学函数，并且基于所述第三特征图像执行所述OCT图像的层分割。
Description
技术领域
本文中披露的实施例涉及用于改善光学相干断层扫描(OCT)成像中的分割性能的装置、系统、以及方法。
背景技术
当前的眼科屈光手术方法，比如白内障手术、角膜内镶嵌术、激光辅助原位角膜磨镶术(LASIK)和屈光性角膜切削术(PRK)，都依赖于眼生物测量数据来开立最佳屈光矫正处方。历史上，眼科手术使用超声波生物测量仪器对眼睛的部分进行成像。在一些情况下，这些生物测量仪器产生眼睛的所谓的A扫描：沿成像轴线(典型地与眼睛的光轴对准)从全部接口发出的声回波信号：与其平行，或只形成小角度。其他仪器产生所谓的B扫描，实质上是将当生物测量仪器的头部或端头沿着扫描线扫描时相继进行的A扫描的集合组装。这条扫描线典型地位于眼睛光轴的外侧。这些超声波A扫描或B扫描然后用于测量和确定生物测量数据，比如眼轴长度、眼睛的前段深度、或角膜曲率半径。
在一些手术中，使用单独的第二角膜曲率计来测量角膜的屈光特性和数据。然后将超声测量值和屈光数据组合在一个半经验公式中以便计算在随后的白内障超声乳化手术中的处方和插入的最佳人工晶状体(IOL)的特征。
近年来，基于光学相干断层扫描(OCT)原理的光学成像和生物测量仪器已经迅速取代超声波生物测量仪器。OCT是一种能够实现对人类视网膜、角膜或白内障的微米级、高分辨率、截面成像的技术。OCT技术目前已广泛应用于临床实践，目前80％-90％的IOL处方病例使用这样的OCT仪器。除了其他原因，它们的成功是由于成像的非接触性质和比超声生物计更高的精度。
眼睛的OCT图像中层边界的准确分割是将定性图像转换为可以用于诊断和手术指导的定量测量的重要步骤。分割可以手动完成，但手动过程既耗时又主观。因此，已经开发了自动层分割算法。然而，由于OT图像中的散斑和一些眼睛的复杂病理，OCT分割仍然具有挑战性。例如，由于散斑，在OCT图像中，不同类型的组织之间的连续薄边界可能表现出不连续并且厚得多。此外，在病变眼睛中，比如有高密度白内障的眼睛，晶状体内部的散射梯度会大大降低其他边缘的对比度，尤其是对于像后部晶状体(囊)与玻璃体之间的边界那样的弱对比度边缘而言。使用常规分割方法，对于这些情况中的一些情况，分割准确度降低或者准确分割是不可能的。因此，需要进一步改善分割技术。
发明内容
本文披露了用于改善OCT分割性能的技术和设备，特别是对于具有弱对比度的边缘，比如后部晶状体(囊)与玻璃体之间的边缘。这些技术和设备的实施例使用特征整合来自动最小化噪声特征以便增强真实边缘的特征。因此，改进了分割性能。
更特别地，当前披露的技术的实施例包括用于改善OCT成像中的分割的方法，其中，所述方法包括获取成像组织的OCT图像，为所述OCT图像的至少一部分生成第一特征图像，以及基于所述OCT图像或所述第一特征图像，通过在所述OCT图像或第一特征图像上的第一方向上整合图像数据，为所述OCT图像的至少一部分生成第二特征图像。生成第三特征图像作为所述第一特征图像和所述第二特征图像的数学函数，并且基于所述第三特征图像执行所述OCT图像的层分割。
下面还详细描述了被配置为执行以上概述的方法或其变型的OCT成像设备的实施例。
附图说明
图1是展示符合一些实施例的光学相干断层扫描(OCT)系统的简图。
图2是眼睛的示意图。
图3是展示了用于改进OCT成像中的分割的示例性方法的过程流程图。
图4展示了示例性OCT图像。
图5示出了在图4的OCT图像上执行常规分割方法的结果。
图6展示了由图4的OCT图像生成的第一特征。
图7展示了通过整合由图6的特征图像生成的第二特征。
图8展示了由图7和图6的第一特征和第二特征生成的第三特征。
图9展示了在图8的第三特征图像上执行层分割的结果。
图10展示了示例性OCT扫描图案。
具体实施方式
在以下描述中，阐明具体细节以便描述特定的实施例。然而，本领域的技术人员应清楚的是可以在不具有这些具体细节中的一些或全部的情况下实施所披露的实施例。所呈现的具体实施例意在为说明性的，而非限制性的。本领域的技术人员可以认识到，虽然本文未明确描述，但其他材料也在本披露的范围和精神内。
在安装有显微镜和集成有显微镜的光学相干断层扫描(OCT)系统中都可以采用本披露的技术和设备的实施例。图1展示了集成有显微镜的OCT系统100的示例，并且被提出用于展示OCT的基本原理。应当理解的是，被配置为执行本文所描述的技术的OCT设备可以在行业内已知的各种方面不同于图1所展示的示例。
系统100包括：眼睛可视化系统110，所述眼睛可视化系统被配置为提供眼睛10的成像区域的视觉图像；光学相干断层扫描(OCT)成像系统120，所述成像系统被配置为生成成像区域的OCT图像；屈光计130，所述屈光计被配置为生成成像区域的屈光图；以及分析仪140，所述分析仪被配置为基于OCT图像和屈光图来确定眼睛的屈光特征。应当理解，OCT成像系统120、屈光计130、以及分析仪/控制器140可以被集成到眼睛可视化系统110中。
成像区域可以是眼睛10的一部分或区域，比如手术的靶。图2是示出了眼睛10的特征的截面图。在角膜手术中，成像区域可以是角膜12的一部分。在白内障手术中，成像区域可以是眼睛的囊和晶状体14。成像区域还可以包括眼睛的前房20、角膜12、晶状体14和虹膜18。可替代地，成像区域可以覆盖整个眼睛，包括角膜12、晶状体14、虹膜18、以及视网膜16。在视网膜手术中，成像区域可以是视网膜16的区域。上述成像区域的任何组合也可以是成像区域。
眼睛可视化系统110可以包括显微镜112。在一些实施例中，显微镜可以包括裂隙灯。显微镜112可以是光学显微镜、手术显微镜、视频显微镜、或其组合。在图1的实施例中，眼睛可视化系统110(用粗实线示出)包括手术显微镜112，所述手术显微镜进而包括物镜113、光学器件115、以及双目镜或目镜117。眼睛可视化系统110还可以包括视频显微镜的摄像头118。
系统100进一步地包括光学相干断层扫描(OCT)成像系统120。OCT成像系统120可以产生成像区域的OCT图像。OCT成像系统可以被配置为产生成像区域的A扫描或B扫描。OCT图像或图像信息可以以分析仪140可以使用的“OCT输出(OCT out)”信号输出，例如，与输出的“屈光输出(Refractive out)”信号组合以便确定眼睛的生物测量特征或屈光特征。
OCT成像系统120可以包括OCT激光器，所述激光器在500-2,000nm波长范围工作，在一些实施例中，在900-1,400nm范围工作。OCT成像系统120可以是时域、频域、谱域、扫频、或傅里叶域OCT系统120。
在不同实施例中，OCT成像系统120的部分可以集成到显微镜中，并且其部分可以安装在独立控制台中。在一些实施例中，集成到显微镜中的OCT部分可以仅包括OCT光源，比如OCT激光器。或从眼睛反射回来的OCT激光或成像光可以被供给到光纤中并且被驱动到OCT成像系统120的第二部分，在显微镜外的OCT干涉仪。在一些实施例中，OCT干涉仪可以位于独立控制台中，其中合适的电子器件也位于所述控制台中以便处理OCT干涉信号。
OCT激光可以具有的相干长度比眼睛的前房的范围(比如角膜顶点与晶状体顶点之间的距离)长。在大多数病人中这个距离近似6mm，因此这样的实施例可以具有在4-10mm范围内的相干长度。其他实施例可以具有比如30-50mm的相干长度以便覆盖眼睛的整个轴向长度。而其他实施例可以具有比如在10-30mm范围内的中等相干长度，最后，一些实施例可以具有比50mm长的相干长度。一些扫频激光正在接近这些相干长度范围。一些傅立叶域锁模(FDML)激光器、基于垂直腔面发射激光器(VCSEL)的、基于多边形的或基于MEMS的扫频激光器已经能够传送具有在这些范围内的相干长度的激光束。
展示为系统100的示例进一步包括用于生成成像区域的屈光图的屈光计130。屈光计130可以是广泛使用的类型中的任何类型，包括激光光线跟踪器、Shack-Hartmann波前传感器、Talbot-Moire、或另一种屈光计。屈光计130可以包括波前分析仪、像差检测器、或像差计。一些参考文献基本上互换或同义地使用这些术语。屈光计130的动态范围可以覆盖有晶状体眼和无晶状体眼两者，即有或没有天然晶状体的眼睛。
在一些系统中，OCT成像系统120和屈光计130可以通过显微镜接口150成一体，所述显微镜接口可以包括用于使光耦合进入到显微镜112或裂隙灯的主光路中的分束器152c。反射镜154-1可以将屈光计130的光耦合到所述光路中，并且反射镜154-2可以将OCT120的光耦合到所述光路中。显微镜接口150、其分束器152c、以及反射镜154-1/2可以使OCT成像系统120和屈光计130与眼睛可视化系统110成一体。
在一些实施例中，其中OCT成像系统120在900-1,400nm的近红外(IR)范围内工作，屈光计在700-900nm的范围内工作，分束器152c可以在400nm-700nm的可见光范围内接近100％透明，并且在700-1,400nm的近红外范围内接近100％反射，以便高效率且低噪音地工作。同样，在反射镜154-1将光改向到屈光计130中的系统中，反射镜154-1可以在700-900nm的近红外范围内接近100％反射，并且反射镜154-2可以在900-1,400nm的近红外范围内接近100％折射，从而改向到OCT成像系统120。在此，“接近100％”在一些实施例中可以指在50％-100％范围内的值，或在其他实施例中指在80％-100％范围内的值。在一些实施例中，分束器152c针对在700-1,400nm范围内的波长可以具有在50％-100％范围的反射比，针对在400-700nm范围的波长内可以具有在0％-50％范围的反射比。
图1示出了除分束器152c之外，系统100还可以包括第二分束器152b。分束器152c在物镜113与集成的OCT 120/屈光计130整体之间引导光。分束器152b可以在显示器160与双目镜117之间引导光。第三分束器152a可以将光引导到摄像头118。
分析仪或控制器140可以基于所接收到的OCT和屈光信息执行综合生物测量分析。所述分析可以利用各种各样公知的光学软件系统和产品，包括光线跟踪软件和计算机辅助设计(CAD)软件。综合生物测量的结果可以是(1)眼睛部分的光焦度值和合适IOL的相应建议或处方屈光度；(2)角膜散光的值和取向以及用于补偿这种散光的复曲面IOL的建议或处方复曲面参数；以及(3)用于矫正这种散光的一个或多个松弛切口的建议或处方位置和长度，等等。
分析仪140可以向显示器160输出这种综合生物测量的结果，因此显示器160可以为外科医生显示这些结果。显示器160可以是与眼睛可视化系统110相关联的电子视频显示器或计算机化显示器。在其他实施例中，显示器160可以是紧邻显微镜112的显示器，比如附接到显微镜112的外侧。最后，在一些实施例中，显示器160可以是微型显示器、或抬头显示器，显示器将显示光投射到显微镜112的光路中。投射可以经由反射镜157被耦合到主光路中。在其他实施例中，整个抬头显示器160可以位于显微镜112内部，或与显微镜112的端口集成。
在解剖学上，虹膜18与晶体或人工晶状体(囊)14接触或非常接近其，这在使用者仅对晶状体信息感兴趣时会造成困难。例如，当构建定制的眼睛模型时，至关重要的是要包括前部晶状体的形状。然而，在虹膜18与晶状体表面紧密接触的情况下，前部虹膜和前部晶状体的混合物会被误解为前部晶状体，这于是会损害眼睛模型的性能。因此，检测虹膜对于准确提取晶状体信息至关重要。
如上简要讨论的，OCT分割具有挑战性，主要是由于散斑和复杂的病理。例如，由于散斑，不同类型的组织之间的连续薄边界变得不连续并且厚得多。此外，在病变眼睛中，例如高密度白内障，晶状体内部的散射梯度会大大降低其他边缘的对比度，尤其是对于像后部晶状体(囊)与玻璃体之间的边界那样的弱对比度边缘而言。使用常规分割方法，在这些情况下准确度会大大降低，或者不可能分割。
本文描述了使用特征整合来自动最小化噪声特征以便增强真实边缘的特征的技术和设备。因此，改进了分割性能。
图3是展示了用于改善OCT成像中的分割的示例性方法的流程图。如框310所示，所述方法包括首先获得OCT图像。如框320所示，为OCT图像的至少一部分生成用于图像分割的第一特征图像。例如，这可能包括沿行方向或列方向或两者生成梯度。也可以使用其他卷积内核，比如从神经网络中学习的那些内核，来生成这个第一特征。
如框330所示，沿与感兴趣边缘成角度地交叉的方向执行图像数据的整合，以生成第二特征图像。这个角度可以是0.1度到179.9度之间的任意数字。在一些实施例中，整合可以基于在框320所示的步骤中生成的特征。整合还可以基于与框320所示的步骤中生成的特征不同的特征，比如OCT原始强度。
如框340所示，将数学运算应用于第一特征图像和第二特征图像，以生成第三特征图像。例如，在一些实施例中，数学运算可以是简单的减法。在这种情况下，通过从根据框320所示的步骤生成的第一特征图像中减去根据框330所示的步骤生成的第二特征图像的全部或部分，来得到新的特征图像。
最终，如框350所示，基于第三特征图像执行OCT图像的层分割。由于整合过程，增强了分割对比度，并且提高了分割准确度。
如上所建议的，为OCT图像的至少一部分生成第一特征图像包括计算沿OCT图像的行方向或OCT图像的列方向或两者的梯度，以获得第一特征图像。在一些实施例中，OCT图像包括多条A线，并且生成第二特征图像包括，对于每条A线，从OCT图像或第一特征图像的底边缘朝向相反的边缘，在沿A线的方向上对来自OCT图像或第一特征图像的图像数据进行整合。在一些实施例中，如上所指出的，生成第三特征图像包括从第一特征图像减去第二特征图像。一旦已经对OCT图像执行了层分割，则可以显示OCT图像的视觉表示，其中视觉表示包括层分割的指示。
图4至图9展示了图3中所展示的和上文所讨论的方法的示例性使用。图4展示了包括从左到右索引的许多A线的示例性OCT图像，其中A线从图像的顶部延伸到底部。值得注意的是，本文所描述的技术是关于任何OCT扫描图案，比如线扫描、光栅扫描、圆形扫描、螺旋扫描、利萨如扫描、花形扫描等。图10展示了用于获得图4的OCT图像的扫描图案。扫描在扫描图案的一个点处开始并且继续经过图案的每个花瓣，直到回到同一点为止。在图4中，OCT扫描通常描绘了角膜、虹膜和晶状体(从顶部到底部)。
在图4中，用虚线框突出显示了感兴趣边缘，示出了对比度较差。在这个示例中，这个边缘将是改进层分割的重点。
图5示出了常规分割方法的结果。由于晶状体内部的散射梯度强，后部晶状体(囊)与玻璃体之间的分割边缘已经错误地放置在OCT图像中晶状体内部的多个位置，如虚线圆圈中所突出显示的。
图6至图9结合图3展示了上述技术的性能。一旦获得了OCT图像，例如，如图4所示，就生成用于分割的第一特征图像。在图6中，部分(a)示出了在图4中的虚线框中突出显示的区域的梯度特征图像。在图6中，部分(b)和部分(c)各自示出了梯度特征的放大视图。从部分(b)和部分(c)中可以看出，原始OCT图像中的散斑会在边缘上形成明显的不连续性和不均匀性。此外，晶状体内部的强梯度特征会降低后部晶状体(囊)与玻璃体之间边缘的对比度。
图7示出了第二整合特征的图像结果，在这种情况下，基于图6的部分(a)中生成和显示的特征。但是，值得注意的是，整合特征也可以基于原始OCT图像生成。在这个示例中，整合从图像底部并且沿每条A线开始。例如，图7中的每个像素都示出了沿该A线从图像的底部到该像素的累积强度值。
在生成这个第二整合特征图像之后，可以将一个或多个数学运算应用于第一特征图像和第二特征图像，以生成如图8的部分(a)所示的第三特征图像。图8的部分(b)和图8的部分(c)示出了两个区域的放大视图，分别对应于图6的部分(a)和图6的部分(c)所示的相同区域。可以看出，晶状体内部的噪声特征被大大降低。
图9的部分(a)示出了基于图6中所示的新特征的分割结果。注意的是，可以将各种分割算法中的任一种应用于第三特征图像以执行层分割。在图9的部分(a)的虚线框中，分割边缘反映了后部晶状体(囊)与玻璃体之间边界的真实位置。通过将示出了原始分割的图9的部分(b)与示出了在图8的特征图像上执行的分割(使用相同的分割算法)图9的部分(a)进行比较可以看到直接比较。
可以使用从OCT成像设备(例如，从类似于图1所展示的设备)获得的OCT图像来执行本文描述的技术。这些技术可以被集成到OCT成像设备本身中，以产生集成了本文描述的OCT成像技术和虹膜检测技术的成像系统。
因此，本发明的一些实施例包括OCT图像处理设备，该OCT图像处理设备包括：通信接口，该通信接口用于获得从眼睛的扫描获得的图像组织的OCT图像；以及处理电路，该处理电路可操作地联接至通信接口并且被配置为执行本文中描述的一个或多个技术。在一些实施例中，这个OCT图像处理设备可以对应于图1所描绘的分析器/控制器140。
在这些各种实施例中，由OCT图像处理设备获得的OCT数据包括多条A线，其中一些所述线穿过虹膜和眼睛的晶状体，并且其中一些所述线穿过晶状体但不穿过虹膜。处理电路可以包括一个或多个微处理器、微控制器等、以及相关联的存储器，该存储器存储由微处理器、微控制器等执行的程序代码，其中，该程序代码包括用于执行本文所述的全部或技术的计算机程序指令，并且还可以或替代地包括被配置为执行本文描述的任何技术的全部或部分的其他数字逻辑。由此，处理电路被配置用于为OCT图像的至少一部分生成第一特征图像、基于OCT图像或第一特征图像通过在OCT图像或第一特征图像上沿第一方向整合图像数据，为OCT图像的至少一部分生成第二特征图像，以及生成第三特征图像作为第一特征图像和第二特征图像的数学函数。处理电路还被配置为基于第三特征图像进行OCT图像的层分割。
在一些实施例中，OCT图像处理设备进一步包括视频显示器或与视频显示器相关联，例如，图1所展示的显示器160，并且处理电路进一步被配置为使用或使显示器显示OCT图像的视觉表示，该视觉表示包括包括层分割的指示。
在各种实施例中，上述OCT图像处理设备可以被配置为执行上述技术的一个或几个变型。因此，在OCT图像处理设备的一些实施例中，处理电路被配置为通过计算沿OCT图像的行方向或OCT图像的列方向或两者的梯度，为OCT图像的至少一部分生成第一特征图像，以获得第一特征图像。在一些实施例中，处理电路被配置为对于每条A线，通过从OCT图像或第一特征图像的底边缘朝向相反的边缘，在沿A线的方向上对来自OCT图像或第一特征图像的图像数据进行整合来生成第二特征图像。在一些实施例中，处理电路被配置为通过从第一特征图像减去第二特征图像来生成第三特征图像。
上述具体实施例展示但不限制本发明。如上所述和如下文要求保护的，还应理解的是，根据本发明的原理的许多修改和变化是可能的。
Claims (8)
1.一种用于改善光学相干断层扫描(OCT)成像中的分割的方法，所述方法包括：
获取成像组织的OCT图像，其中所述OCT图像包括多条A线；
为所述OCT图像的至少一部分生成第一特征图像；
基于所述OCT图像或所述第一特征图像，通过在所述OCT图像或第一特征图像上的第一方向上整合图像数据，为所述OCT图像的至少一部分生成第二特征图像；
生成第三特征图像作为所述第一特征图像和所述第二特征图像的数学函数；以及
基于所述第三特征图像执行所述OCT图像的层分割，其中生成所述第二特征图像包括，对于每条所述A线，从所述OCT图像或所述第一特征图像的底边缘朝向相反的边缘，在沿所述A线的方向上对来自所述OCT图像或所述第一特征图像的图像数据进行整合。
2.如权利要求1所述的方法，其中，为所述OCT图像的至少一部分生成所述第一特征图像包括计算沿所述OCT图像的行方向或所述OCT图像的列方向或两者的梯度，以获得所述第一特征图像。
3.如权利要求1所述的方法，其中，生成所述第三特征图像包括从所述第一特征图像减去所述第二特征图像。
4.如权利要求1所述的方法，进一步包括显示所述OCT图像的视觉表示，所述视觉表示包括所述层分割的指示。
5.一种光学相干断层扫描(OCT)成像设备，包括：
通信接口，所述通信接口被配置为获得成像组织的OCT图像，其中所述OCT图像包括多条A线；以及
处理电路，所述处理电路可操作地联接至所述通信接口并且被配置为：
为所述OCT图像的至少一部分生成第一特征图像；
基于所述OCT图像或所述第一特征图像，通过在所述OCT图像或第一特征图像上的第一方向上整合图像数据，为所述OCT图像的至少一部分生成第二特征图像；
生成第三特征图像作为所述第一特征图像和所述第二特征图像的数学函数；以及
基于所述第三特征图像执行所述OCT图像的层分割，其中所述处理电路被配置为，对于每个所述A线，通过从所述OCT图像或所述第一特征图像的底边缘朝向相反的边缘，在沿所述A线的方向上对来自所述OCT图像或所述第一特征图像的图像数据进行整合来生成所述第二特征图像。
6.如权利要求5所述的OCT成像设备，其中，所述处理电路被配置为通过计算沿所述OCT图像的行方向或所述OCT图像的列方向或两者的梯度，为所述OCT图像的至少一部分生成所述第一特征图像，以获得所述第一特征图像。
7.如权利要求5所述的OCT成像设备，其中，所述处理电路被配置为通过从所述第一特征图像减去所述第二特征图像来生成所述第三特征图像。
8.如权利要求5所述的OCT成像设备，进一步包括显示器，其中，所述处理电路被配置为使用或使所述显示器显示所述OCT图像的视觉表示，所述视觉表示包括所述层分割的指示。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762592497P | 2017-11-30 | 2017-11-30 | |
| US62/592,497 | 2017-11-30 | ||
| PCT/IB2018/059307 WO2019106519A1 (en) | 2017-11-30 | 2018-11-26 | Improving segmentation in optical coherence tomography imaging |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111417334A CN111417334A (zh) | 2020-07-14 |
| CN111417334B true CN111417334B (zh) | 2023-03-28 |
Family
ID=64746593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201880077302.5A Active CN111417334B (zh) | 2017-11-30 | 2018-11-26 | 光学相干断层扫描成像中的改进分割 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US10916015B2 (zh) |
| EP (1) | EP3716835A1 (zh) |
| JP (1) | JP7417524B2 (zh) |
| CN (1) | CN111417334B (zh) |
| AU (1) | AU2018376898B2 (zh) |
| CA (1) | CA3079699A1 (zh) |
| WO (1) | WO2019106519A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113066054B (zh) * | 2021-03-12 | 2022-03-15 | 武汉大学 | 一种用于计算机辅助诊断的宫颈oct图像特征可视化方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102105105A (zh) * | 2008-07-21 | 2011-06-22 | 光视有限公司 | 扩展范围成像 |
| WO2012002302A1 (ja) * | 2010-06-29 | 2012-01-05 | 富士フイルム株式会社 | 光断層画像化装置及び光断層画像化方法 |
| JP2016041218A (ja) * | 2014-08-19 | 2016-03-31 | 株式会社トプコン | データ処理方法及びｏｃｔ装置 |
| CN105493144A (zh) * | 2013-07-02 | 2016-04-13 | 迈克逊诊断有限公司 | 处理主体皮肤的光学相干断层成像扫描 |
Family Cites Families (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7782464B2 (en) * | 2006-05-12 | 2010-08-24 | The General Hospital Corporation | Processes, arrangements and systems for providing a fiber layer thickness map based on optical coherence tomography images |
| US8223143B2 (en) * | 2006-10-27 | 2012-07-17 | Carl Zeiss Meditec, Inc. | User interface for efficiently displaying relevant OCT imaging data |
| WO2009131655A2 (en) * | 2008-04-23 | 2009-10-29 | University Of Pittsburgh - Of The Commonwealth System Of Higher Education | Automated assessment of optic nerve head with spectral domain optical coherence tomograph |
| US9504608B2 (en) * | 2009-07-29 | 2016-11-29 | Alcon Lensx, Inc. | Optical system with movable lens for ophthalmic surgical laser |
| JP5017328B2 (ja) * | 2009-08-11 | 2012-09-05 | キヤノン株式会社 | 断層像撮像装置およびその制御方法、プログラム、記憶媒体 |
| US8414564B2 (en) * | 2010-02-18 | 2013-04-09 | Alcon Lensx, Inc. | Optical coherence tomographic system for ophthalmic surgery |
| US8425037B2 (en) * | 2010-07-30 | 2013-04-23 | Adventus Technologies, Inc. | Intraoperative imaging system and apparatus |
| US9050027B2 (en) * | 2010-07-30 | 2015-06-09 | Adventus Technologies, Inc. | Intraoperative imaging system and apparatus |
| CA2825213A1 (en) * | 2011-01-28 | 2012-08-02 | Optovue, Inc. | Computer-aided diagnosis of retinal pathologies using frontal en-face views of optical coherence tomography |
| US9055892B2 (en) * | 2011-04-27 | 2015-06-16 | Carl Zeiss Meditec, Inc. | Systems and methods for improved ophthalmic imaging |
| US9357916B2 (en) * | 2012-05-10 | 2016-06-07 | Carl Zeiss Meditec, Inc. | Analysis and visualization of OCT angiography data |
| US9420945B2 (en) * | 2013-03-14 | 2016-08-23 | Carl Zeiss Meditec, Inc. | User interface for acquisition, display and analysis of ophthalmic diagnostic data |
| US9778021B2 (en) * | 2013-08-29 | 2017-10-03 | Carl Zeiss Meditec, Inc. | Evaluation of optical coherence tomographic data prior to segmentation |
| JP6507615B2 (ja) * | 2013-12-13 | 2019-05-08 | 株式会社ニデック | 光コヒーレンストモグラフィ装置、及びプログラム |
| US10143370B2 (en) * | 2014-06-19 | 2018-12-04 | Novartis Ag | Ophthalmic imaging system with automatic retinal feature detection |
| JP6444666B2 (ja) * | 2014-09-08 | 2018-12-26 | 株式会社トプコン | 眼科撮影装置および眼科情報処理装置 |
| US9984459B2 (en) * | 2015-04-15 | 2018-05-29 | Kabushiki Kaisha Topcon | OCT angiography calculation with optimized signal processing |
| JP6584126B2 (ja) * | 2015-05-01 | 2019-10-02 | キヤノン株式会社 | 画像生成装置、画像生成方法およびプログラム |
| US9639917B2 (en) * | 2015-05-19 | 2017-05-02 | Novartis Ag | OCT image modification |
| US10169864B1 (en) * | 2015-08-27 | 2019-01-01 | Carl Zeiss Meditec, Inc. | Methods and systems to detect and classify retinal structures in interferometric imaging data |
| US9717405B2 (en) * | 2015-09-18 | 2017-08-01 | Novartis Ag | Vitreoretinal membrane characterization using optical coherence tomography |
| US10398307B2 (en) * | 2015-11-16 | 2019-09-03 | Novartis Ag | Curvature of field transformation of OCT images during vitreoretinal surgery |
| US9928602B2 (en) * | 2015-12-11 | 2018-03-27 | Novartis Ag | Fast and automated segmentation of layered image with heuristic graph search |
| JP6624945B2 (ja) * | 2016-01-21 | 2019-12-25 | キヤノン株式会社 | 画像形成方法及び装置 |
| JP2017131550A (ja) * | 2016-01-29 | 2017-08-03 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
| US10952603B2 (en) * | 2016-07-13 | 2021-03-23 | Carl Zeiss Meditec, Inc. | Systems and methods for improved anterior segment OCT imaging |
| US11445915B2 (en) * | 2016-12-01 | 2022-09-20 | The Board Of Trustees Of The University Of Illinois | Compact briefcase OCT system for point-of-care imaging |
| US20190209006A1 (en) * | 2017-01-11 | 2019-07-11 | University Of Miami | Segmentation-based corneal mapping |
| JP7159534B2 (ja) * | 2017-01-11 | 2022-10-25 | ユニバーシティー オブ マイアミ | 角膜微小層の三次元厚さマッピングおよび角膜診断のための方法およびシステム |
| JP2017185342A (ja) * | 2017-07-18 | 2017-10-12 | 株式会社トプコン | 光画像計測装置 |
-
2018
- 2018-11-26 US US16/199,423 patent/US10916015B2/en active Active
- 2018-11-26 JP JP2020528478A patent/JP7417524B2/ja active Active
- 2018-11-26 CN CN201880077302.5A patent/CN111417334B/zh active Active
- 2018-11-26 AU AU2018376898A patent/AU2018376898B2/en active Active
- 2018-11-26 CA CA3079699A patent/CA3079699A1/en active Pending
- 2018-11-26 EP EP18822495.0A patent/EP3716835A1/en active Pending
- 2018-11-26 WO PCT/IB2018/059307 patent/WO2019106519A1/en unknown
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102105105A (zh) * | 2008-07-21 | 2011-06-22 | 光视有限公司 | 扩展范围成像 |
| WO2012002302A1 (ja) * | 2010-06-29 | 2012-01-05 | 富士フイルム株式会社 | 光断層画像化装置及び光断層画像化方法 |
| CN105493144A (zh) * | 2013-07-02 | 2016-04-13 | 迈克逊诊断有限公司 | 处理主体皮肤的光学相干断层成像扫描 |
| JP2016041218A (ja) * | 2014-08-19 | 2016-03-31 | 株式会社トプコン | データ処理方法及びｏｃｔ装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111417334A (zh) | 2020-07-14 |
| US20190164294A1 (en) | 2019-05-30 |
| EP3716835A1 (en) | 2020-10-07 |
| AU2018376898A1 (en) | 2020-05-07 |
| CA3079699A1 (en) | 2019-06-06 |
| JP2021504025A (ja) | 2021-02-15 |
| WO2019106519A1 (en) | 2019-06-06 |
| JP7417524B2 (ja) | 2024-01-18 |
| US10916015B2 (en) | 2021-02-09 |
| AU2018376898B2 (en) | 2024-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10299671B2 (en) | Integrated OCT-refractometer system for ocular biometry | |
| JP6444666B2 (ja) | 眼科撮影装置および眼科情報処理装置 | |
| JP2021023686A (ja) | 眼科装置、その制御方法、プログラム、及び、記録媒体 | |
| CN111417334B (zh) | 光学相干断层扫描成像中的改进分割 | |
| CN111163681B (zh) | 相敏光学相干断层成像测量前段的光学像差 | |
| CN111432710B (zh) | 光学相干断层扫描中的虹膜边缘检测 | |
| JP7024228B2 (ja) | 眼科装置、および眼科装置制御プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |