CN116012287A - 一种oct眼底图像中的血管提取方法和装置 - Google Patents
一种oct眼底图像中的血管提取方法和装置 Download PDFInfo
- Publication number
- CN116012287A CN116012287A CN202211349618.XA CN202211349618A CN116012287A CN 116012287 A CN116012287 A CN 116012287A CN 202211349618 A CN202211349618 A CN 202211349618A CN 116012287 A CN116012287 A CN 116012287A
- Authority
- CN
- China
- Prior art keywords
- image
- blood vessel
- process image
- oct fundus
- circle
- 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.)
- Pending
Links
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 89
- 238000000605 extraction Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 120
- 230000008569 process Effects 0.000 claims abstract description 86
- 230000003902 lesion Effects 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 239000011148 porous material Substances 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 23
- 230000000877 morphologic effect Effects 0.000 claims abstract description 12
- 238000011282 treatment Methods 0.000 claims description 15
- 238000012805 post-processing Methods 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000002792 vascular Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 8
- 231100000216 vascular lesion Toxicity 0.000 abstract description 6
- 238000012014 optical coherence tomography Methods 0.000 description 37
- 230000006870 function Effects 0.000 description 18
- 238000003491 array Methods 0.000 description 9
- 208000005590 Choroidal Neovascularization Diseases 0.000 description 7
- 206010060823 Choroidal neovascularisation Diseases 0.000 description 7
- 230000001788 irregular Effects 0.000 description 5
- 230000004069 differentiation Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 239000011800 void material Substances 0.000 description 4
- 230000035755 proliferation Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000032843 Hemorrhage Diseases 0.000 description 2
- 206010029113 Neovascularisation Diseases 0.000 description 2
- 210000003161 choroid Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000521257 Hydrops Species 0.000 description 1
- 206010025421 Macule Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000034158 bleeding Diseases 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000003993 interaction Effects 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
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000002062 proliferating effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 210000003583 retinal pigment epithelium Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明提供一种OCT眼底图像中的血管提取方法和装置，所述方法包括以下步骤：对所述OCT眼底图像进行预处理，得到第一过程图像，其中，预处理包括病变区域的自动定位和去除；通过匹配滤波对所述第一过程图像进行全局特征的提取，以分离出疑似血管区域，得到第二过程图像；通过基于毛细管束模型的孔隙填充法去除所述第二过程图像中的干扰特征，得到第三过程图像；对所述第三过程图像进行阈值截断处理和形态学处理，以得到最终血管图像。本发明能够有效去除血管病变等干扰，准确地提取出清晰的血管特征，大大提高了OCT眼底图像中血管的提取效果。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种OCT眼底图像中的血管提取方法和装置。
背景技术
在眼科领域，脉络膜因无感觉神经，所以视网膜下新生血管出现的早期无自觉症状且无痛感，随着其逐渐扩大，会在黄斑中心凹且出现出血渗漏等症状，给中心视野造成很大的障碍，因而损害中心视力。常见于成人眼，特别是60岁以上者，早期发现并及时处理对遏制其发展具有重要意义。利用病人多个时间点的OCT(Optical CoherenceTomography，光学相干断层扫描)的成像，可以对病变情况进行预测，从而指导治疗方案的制定。而脉络膜新生血管(CNV)生长预测的第一步就是把不同时间点OCT数据进行配准，而OCT图像中的视网膜血管信息是配准的重要特征，因此，对OCT眼底图像中血管特征提取具有重要的临床意义，是医学工程领域研究的热点之一。
但是，不同于眼底彩照，OCT眼底视网膜(en-face)图像有如下难点：1)血管特征灰度值与背景接近且伴有噪声；2)在图像采集过程中可能会出现由于患者眼动而导致的血管阴影不连续，或者出现重影；3)特别是对于眼底血管病变的情况，由CNV导致的积液，出血等症状会干扰正常的有效血管特征，并且病变血管具有正常血管类似特征，在提取时会将病变血管一并提出，会对后续步骤造成干扰，这让分割问题变得更加复杂。
目前的解决方案大多基于彩色眼底图像，且大部分基于正常视网膜图像，尽管有针对病变情况的解决方法，但是对于CNV病变情况仍然较少，加上en-face图像本身的特性，现有方案难以实现对血管的准确提取。
发明内容
本发明为解决上述技术问题，提供了一种OCT眼底图像中的血管提取方法和装置，能够有效去除血管病变等干扰，准确地提取出清晰的血管特征，大大提高了OCT眼底图像中血管的提取效果。
本发明采用的技术方案如下：
一种OCT眼底图像中的血管提取方法，包括以下步骤：对所述OCT眼底图像进行预处理，得到第一过程图像，其中，预处理包括病变区域的自动定位和去除；通过匹配滤波对所述第一过程图像进行全局特征的提取，以分离出疑似血管区域，得到第二过程图像；通过基于毛细管束模型的孔隙填充法去除所述第二过程图像中的干扰特征，得到第三过程图像；对所述第三过程图像进行阈值截断处理和形态学处理，以得到最终血管图像。
对所述OCT眼底图像进行预处理，具体包括：对所述OCT眼底图像进行中值滤波处理；对中值滤波后的图像使用拉普拉斯算子进行锐化处理；通过灰度计算自动定位锐化后的图像中的病变区域；对所述病变区域进行覆盖处理以去除所述病变区域。
通过匹配滤波对所述第一过程图像进行全局特征的提取，具体包括：基于二维高斯核函数构建血管提取模型，以通过所述血管提取模型提取所述第一过程图像中的疑似血管特征，将所述疑似血管区域与背景区域分离，得到所述第二过程图像。
通过基于毛细管束模型的孔隙填充法去除所述第二过程图像中的干扰特征，具体包括：确定孔隙空间中灰度为0的点，并以该点为中心，向外作一个不断膨胀的圆，直到圆碰到孔隙空间中灰度值小于预设阈值的点时，停止膨胀；将得到的圆存入一个数组，并按半径大小从小到大排列；依次从所述数组中取出一个圆，删除所述数组中与该圆相交或被其包含的圆，直至最后一个元素；将所述数组中余下的每个圆所在区域的灰度值设置为0。
对所述第三过程图像进行形态学处理，具体包括：对所述第三过程图像进行膨胀腐蚀操作。
一种OCT眼底图像中的血管提取装置，包括：预处理模块，用于对所述OCT眼底图像进行预处理，得到第一过程图像，其中，预处理包括病变区域的自动定位和去除；提取模块，用于通过匹配滤波对所述第一过程图像进行全局特征的提取，以分离出疑似血管区域，得到第二过程图像；去除模块，用于通过基于毛细管束模型的孔隙填充法去除所述第二过程图像中的干扰特征，得到第三过程图像；后处理模块，用于对所述第三过程图像进行阈值截断处理和形态学处理，以得到最终血管图像。
所述预处理模块具体用于：对所述OCT眼底图像进行中值滤波处理；对中值滤波后的图像使用拉普拉斯算子进行锐化处理；通过灰度计算自动定位锐化后的图像中的病变区域；对所述病变区域进行覆盖处理以去除所述病变区域。
所述提取模块具体用于：基于二维高斯核函数构建血管提取模型，以通过所述血管提取模型提取所述第一过程图像中的疑似血管特征，将所述疑似血管区域与背景区域分离，得到所述第二过程图像。
所述去除模块具体用于：确定孔隙空间中灰度为0的点，并以该点为中心，向外作一个不断膨胀的圆，直到圆碰到孔隙空间中灰度值小于预设阈值的点时，停止膨胀；将得到的圆存入一个数组，并按半径大小从小到大排列；依次从所述数组中取出一个圆，删除所述数组中与该圆相交或被其包含的圆，直至最后一个元素；将所述数组中余下的每个圆所在区域的灰度值设置为0。
所述后处理模块具体用于：对所述第三过程图像进行膨胀腐蚀操作。
本发明的有益效果：
根据通过对OCT眼底图像依次进行预处理、全局特征的提取、基于毛细管束模型的孔隙填充处理、阈值截断处理和形态学处理，能够有效去除血管病变等干扰，准确地提取出清晰的血管特征，大大提高了OCT眼底图像中血管的提取效果。
附图说明
图1为本发明实施例的OCT眼底图像中的血管提取方法的流程图；
图2为本发明一个实施例的经中值滤波处理和锐化处理后的图像；
图3为本发明一个实施例的第一过程图像；
图4为本发明一个实施例的第二过程图像；
图5为本发明一个实施例的孔隙空间的示意图；
图6为本发明一个实施例的毛细管束模型的示意图；
图7为本发明一个实施例的基于毛细管束模型的孔隙填充法的填充过程示意图；
图8为本发明一个实施例的第三过程图像；
图9为本发明一个实施例的最终血管图像；
图10为本发明一个实施例的患者OCT眼底图像；
图11(a)为采用基于frangi方法的混合方法对图10进行血管提取的最终血管图像；
图11(b)为采用多尺度滤波方法对图10进行血管提取的最终血管图像；
图11(c)为采用本发明实施例的方法对图10进行血管提取的最终血管图像；
图12为本发明实施例的OCT眼底图像中的血管提取装置的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明实施例的OCT眼底图像中的血管提取方法包括以下步骤：
S1，对OCT眼底图像进行预处理，得到第一过程图像，其中，预处理包括病变区域的自动定位和去除。
具体地，首先可对enface OCT眼底图像进行中值滤波处理，以去除图像的自有噪声。
然后，对中值滤波后的图像使用拉普拉斯算子进行锐化处理，以增强图像中血管边缘的清晰度与对比度。
在本发明的一个实施例中，锐化处理过程可以通过空间微分完成，一元函数的二阶微分的差分定义为：
拉普拉斯算子定义为：
使用拉普拉斯算子对图像进行锐化的方式如下：
其中，(x,y)表示像素坐标，f表示输入的图像，g表示锐化处理后的图像，δ为模板中心系数。将经拉普拉斯算子计算的图像与原始图像相加和得出锐化效果，同时可以保护背景信息。
将enface OCT眼底图像经中值滤波处理和锐化处理后的图像如图2所示。
进而，通过灰度计算自动定位锐化后的图像中的病变区域。具体地，可使用一个3×3的矩形遍历图像，通过计算矩形区域的灰度均值与图像的灰度均值确定区域筛选的阈值，矩形区域与图像灰度均值公式计算如下：
其中，mr为矩形区域的灰度均值，(i,j)表示矩形内像素点的坐标，A(i,j)为矩形内像素点的灰度值，mI为图像灰度均值，M、N分别为图像的宽与长，B(i,j)为图像像素点的灰度值，通过最大类间方差法确定病变灰度区间X。若mr在区间X中，则将第n个符合条件的矩形块顶点1的x坐标值记为a、2的x坐标值记为b、4的y坐标值记为c、1的y坐标值记为d，分别放入四个数组中，分别记为P＝[a1,a2,...,an]、Q＝[b1,b2,...,bn]、J＝[c1,c2,...,cn]，K＝[d1,d2,...,dn]，待遍历结束后分别计算数组P与J的最大值及数组Q与K的最小值，从而确定病变区域。
最后，对病变区域进行覆盖处理，例如可用图像的灰度均值去覆盖病变区域，即将病变区域的灰度值均替换为图像的灰度均值，以去除病变区域。
第一过程图像如图3所示。
S2，通过匹配滤波对第一过程图像进行全局特征的提取，以分离出疑似血管区域，得到第二过程图像。
由于本发明的目的是提取血管，即探察的是血管信息，为了增强血管特征信息，选择血管中具有代表性的三个特征：1)血管曲率较小，反平行对可以用分段线性节段来近似；2)血管的反射率比其他表面要低，所以其相对于背景显得更暗；3)尽管血管宽度随着它从视盘径向向外延伸而减小，但这种血管口径的变化是渐进而并非突变的。
鉴于此，在本发明的一个实施例中，可基于二维高斯核函数构建血管提取模型，以通过血管提取模型提取第一过程图像中的疑似血管特征，将疑似血管区域与背景区域分离，得到第二过程图像。
具体地，血管提取模型如下：
其中，Fθ为二维高斯核函数，L表示分段血管的长度，σ代表血管尺度。
由于所取血管段的方向是根据血管走向呈现出不同方向的，因此需要对高斯核函数进行调整，通过旋转核函数以获得不同方向的模板。设Ai为第i个跟随血管偏转的旋转矩阵，用来调整像素点的位置，有：
设f(x,y)为核函数上的点，经过矩阵运算，得到
则
为旋转后的坐标值，第i个匹配函数为：
其中，Z为模板的邻域，且Z＝{(u,v)||u|≤3δ,|v|≤L/2}。
第二过程图像如图4所示。
S3，通过基于毛细管束模型的孔隙填充法去除第二过程图像中的干扰特征，得到第三过程图像。
由于脉络膜新生血管(CNV)病理特性，会在脉络膜与视网膜色素上皮之间形成许多增殖血管，这些血管多呈短小密集的颗粒状，各个由病变产生的血管之间杂乱且没有规律。各增殖血管之前形成“孔隙状”。此处引入毛细管束模型去处理这些增值血管，图5所示为孔隙空间，实际情况下，孔隙空间是无规则的，需要将不规则的形状转换为一系列规则的毛细管，假设毛细管的横截面为规则的圆形。如图6展示了将不规则的孔隙状区域提取毛细管束模型的过程图像。
具体地，可确定孔隙空间中灰度为0的点，并以该点为中心，向外作一个不断膨胀的圆，直到圆碰到孔隙空间中灰度值小于预设阈值的点时，停止膨胀；将得到的圆存入一个数组，并按半径大小从小到大排列；依次从数组中取出一个圆，删除数组中与该圆相交或被其包含的圆，直至最后一个元素；将数组中余下的每个圆所在区域的灰度值设置为0。
毛细管束模型的孔隙填充法中假设毛细管束的横截面为圆形，在以非颗粒像素点为圆心不断向外膨胀过程中，其半径是无法确定的，直至圆周碰到固体颗粒(本发明中为增殖血管)时才会停止。本发明中利用这一特点，根据像素的灰度值判定而不是“触碰”这一停止膨胀的条件产生所有的在孔隙内部可能的圆，并将圆的背景灰度值赋为0，其过程图像如图7所示，对于有些互相相交的圆或者包围在其他圆内部的圆，对其进行删除。
事实上，毛细管束模型的初始目的是将不规则的空间形状转换为一系列规则的毛细管，并不会影响到图像中的颗粒(增殖血管)。本发明中首先将匹配滤波所得的图像归一化，重新根据灰度值设置圆周向外扩展的截止条件，为了保留更多的血管信息，以非0灰度值的10％作为圆周扩展的终止条件，即预设阈值为10％的非0灰度的均值，根据毛细管束模型，可以很大程度上消融一部分增殖血管(特别是密集区域)而不会干扰到主干血管的特征。
对应的具体计算过程如下：
Step1、确定像素值为0的像素的坐标，以灰度值为0点为圆心，记录为Ci，其对应坐标为(xi,yi)(i＝1,2,3，…)。
Step2、计算所有非零灰度值的平均值vtermination，将灰度值小于0.1×vtermination的点记录为Dj，其对应坐标为(xj,yj)(j＝1,2,3，…)。计算Ci到Dj的距离：
则有：
其中，Ri是以Ci为圆心的圆的半径。
Step3、删除重复或不需要的圆。对于某些相交圆或被其他圆包围的圆，必须删除它们。存储在Step2中获得的圆心及其对应半径的数组中，并按半径从小到大排列。然后，按排序顺序(i-1，i-2，…)计算第i个圆的中心到它后面的圆的中心的距离。
如果有dis<Ri+Ri+1，则删除当前圆。
Step 3中不相交的圆仍保留在数组中，并用背景色填充。这些圆圈几乎填满了整个孔隙空间，并消除了构成孔隙形状的干扰特征。
第三过程图像如图8所示。
S4，对第三过程图像进行阈值截断处理和形态学处理，以得到最终血管图像。
通过根据均值选取合适的阈值，对第三过程图像进行阈值截断处理，可进一步减少无关特征带来的干扰。采用方形结构元素，参数设置为2，对阈值截断处理后的图像进行膨胀腐蚀操作，可去除噪点和伪分支。得到的最终血管图像如图9所示。
在本发明的一个具体实施例中，为验证本发明实施例的方法的效果，对图10所示的患有CNV疾病的患者的enface OCT眼底图像分别采用基于frangi方法的混合方法、多尺度滤波方法和本发明实施例的方法进行血管提取，最终分别对应得到图11(a)、11(b)、11(c)的最终血管图像。由图11(a)、11(b)、11(c)可知，本发明实施例的方法能够有效去除血管病变等干扰，准确地提取出清晰的血管特征，大大提高了OCT眼底图像中血管的提取效果。
对应上述实施例的OCT眼底图像中的血管提取方法，本发明还提出一种OCT眼底图像中的血管提取装置。
如图12所示，本发明实施例的OCT眼底图像中的血管提取装置，包括预处理模块10、提取模块20、去除模块30和后处理模块40。其中，预处理模块10用于对OCT眼底图像进行预处理，得到第一过程图像，其中，预处理包括病变区域的自动定位和去除；提取模块20用于通过匹配滤波对第一过程图像进行全局特征的提取，以分离出疑似血管区域，得到第二过程图像；去除模块30用于通过基于毛细管束模型的孔隙填充法去除第二过程图像中的干扰特征，得到第三过程图像；后处理模块40用于对第三过程图像进行阈值截断处理和形态学处理，以得到最终血管图像。
在本发明的一个实施例中，预处理模块10具体用于：对OCT眼底图像进行中值滤波处理；对中值滤波后的图像使用拉普拉斯算子进行锐化处理；通过灰度计算自动定位锐化后的图像中的病变区域；对病变区域进行覆盖处理以去除病变区域。
在本发明的一个实施例中，锐化处理过程可以通过空间微分完成，一元函数的二阶微分的差分定义为：
拉普拉斯算子定义为：
使用拉普拉斯算子对图像进行锐化的方式如下：
其中，(x,y)表示像素坐标，f表示输入的图像，g表示锐化处理后的图像，δ为模板中心系数。将经拉普拉斯算子计算的图像与原始图像相加和得出锐化效果，同时可以保护背景信息。
将enface OCT眼底图像经中值滤波处理和锐化处理后的图像如图2所示。
预处理模块10可使用一个3×3的矩形遍历图像，通过计算矩形区域的灰度均值与图像的灰度均值确定区域筛选的阈值，矩形区域与图像灰度均值公式计算如下：
其中，mr为矩形区域的灰度均值，(i,j)表示矩形内像素点的坐标，A(i,j)为矩形内像素点的灰度值，mI为图像灰度均值，M、N分别为图像的宽与长，B(i,j)为图像像素点的灰度值，通过最大类间方差法确定病变灰度区间X。若mr在区间X中，则将第n个符合条件的矩形块顶点1的x坐标值记为a、2的x坐标值记为b、4的y坐标值记为c、1的y坐标值记为d，分别放入四个数组中，分别记为P＝[a1,a2,...,an]、Q＝[b1,b2,...,bn]、J＝[c1,c2,...,cn]，K＝[d1,d2,...,dn]，待遍历结束后分别计算数组P与J的最大值及数组Q与K的最小值，从而确定病变区域。
预处理模块10可用图像的灰度均值去覆盖病变区域，即将病变区域的灰度值均替换为图像的灰度均值，以去除病变区域。
第一过程图像如图3所示。
在本发明的一个实施例中，提取模块20可基于二维高斯核函数构建血管提取模型，以通过血管提取模型提取第一过程图像中的疑似血管特征，将疑似血管区域与背景区域分离，得到第二过程图像。
具体地，血管提取模型如下：
其中，Fθ为二维高斯核函数，L表示分段血管的长度，σ代表血管尺度。
由于所取血管段的方向是根据血管走向呈现出不同方向的，因此需要对高斯核函数进行调整，通过旋转核函数以获得不同方向的模板。设Ai为第i个跟随血管偏转的旋转矩阵，用来调整像素点的位置，有：
设f(x,y)为核函数上的点，经过矩阵运算，得到
则
为旋转后的坐标值，第i个匹配函数为：
其中，Z为模板的邻域，且Z＝{(u,v)||u|≤3δ,|v|≤L/2}。
第二过程图像如图4所示。
在本发明的一个实施例中，去除模块30具体用于：确定孔隙空间中灰度为0的点，并以该点为中心，向外作一个不断膨胀的圆，直到圆碰到孔隙空间中灰度值小于预设阈值的点时，停止膨胀；将得到的圆存入一个数组，并按半径大小从小到大排列；依次从数组中取出一个圆，删除数组中与该圆相交或被其包含的圆，直至最后一个元素；将数组中余下的每个圆所在区域的灰度值设置为0。
事实上，毛细管束模型的初始目的是将不规则的空间形状转换为一系列规则的毛细管，并不会影响到图像中的颗粒(增殖血管)。本发明中首先将匹配滤波所得的图像归一化，重新根据灰度值设置圆周向外扩展的截止条件，为了保留更多的血管信息，以非0灰度值的10％作为圆周扩展的终止条件，即预设阈值为10％的非0灰度的均值，根据毛细管束模型，可以很大程度上消融一部分增殖血管(特别是密集区域)而不会干扰到主干血管的特征。
第三过程图像如图8所示。
后处理模块40通过根据均值选取合适的阈值，对第三过程图像进行阈值截断处理，可进一步减少无关特征带来的干扰。采用方形结构元素，参数设置为2，对阈值截断处理后的图像进行膨胀腐蚀操作，可去除噪点和伪分支。得到的最终血管图像如图9所示。
根据本发明实施例的OCT眼底图像中的血管提取方法和装置，通过对OCT眼底图像依次进行预处理、全局特征的提取、基于毛细管束模型的孔隙填充处理、阈值截断处理和形态学处理，能够有效去除血管病变等干扰，准确地提取出清晰的血管特征，大大提高了OCT眼底图像中血管的提取效果。
在本发明的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种OCT眼底图像中的血管提取方法，其特征在于，包括以下步骤：
对所述OCT眼底图像进行预处理，得到第一过程图像，其中，预处理包括病变区域的自动定位和去除；
通过匹配滤波对所述第一过程图像进行全局特征的提取，以分离出疑似血管区域，得到第二过程图像；
通过基于毛细管束模型的孔隙填充法去除所述第二过程图像中的干扰特征，得到第三过程图像；
对所述第三过程图像进行阈值截断处理和形态学处理，以得到最终血管图像。
2.根据权利要求1所述的OCT眼底图像中的血管提取方法，其特征在于，对所述OCT眼底图像进行预处理，具体包括：
对所述OCT眼底图像进行中值滤波处理；
对中值滤波后的图像使用拉普拉斯算子进行锐化处理；
通过灰度计算自动定位锐化后的图像中的病变区域；
对所述病变区域进行覆盖处理以去除所述病变区域。
3.根据权利要求2所述的OCT眼底图像中的血管提取方法，其特征在于，通过匹配滤波对所述第一过程图像进行全局特征的提取，具体包括：
基于二维高斯核函数构建血管提取模型，以通过所述血管提取模型提取所述第一过程图像中的疑似血管特征，将所述疑似血管区域与背景区域分离，得到所述第二过程图像。
4.根据权利要求3所述的OCT眼底图像中的血管提取方法，其特征在于，通过基于毛细管束模型的孔隙填充法去除所述第二过程图像中的干扰特征，具体包括：
确定孔隙空间中灰度为0的点，并以该点为中心，向外作一个不断膨胀的圆，直到圆碰到孔隙空间中灰度值小于预设阈值的点时，停止膨胀；
将得到的圆存入一个数组，并按半径大小从小到大排列；
依次从所述数组中取出一个圆，删除所述数组中与该圆相交或被其包含的圆，直至最后一个元素；
将所述数组中余下的每个圆所在区域的灰度值设置为0。
5.根据权利要求4所述的OCT眼底图像中的血管提取方法，其特征在于，对所述第三过程图像进行形态学处理，具体包括：
对所述第三过程图像进行膨胀腐蚀操作。
6.一种OCT眼底图像中的血管提取装置，其特征在于，包括：
预处理模块，用于对所述OCT眼底图像进行预处理，得到第一过程图像，其中，预处理包括病变区域的自动定位和去除；
提取模块，用于通过匹配滤波对所述第一过程图像进行全局特征的提取，以分离出疑似血管区域，得到第二过程图像；
去除模块，用于通过基于毛细管束模型的孔隙填充法去除所述第二过程图像中的干扰特征，得到第三过程图像；
后处理模块，用于对所述第三过程图像进行阈值截断处理和形态学处理，以得到最终血管图像。
7.根据权利要求6所述的OCT眼底图像中的血管提取装置，其特征在于，所述预处理模块具体用于：
对所述OCT眼底图像进行中值滤波处理；
对中值滤波后的图像使用拉普拉斯算子进行锐化处理；
通过灰度计算自动定位锐化后的图像中的病变区域；
对所述病变区域进行覆盖处理以去除所述病变区域。
8.根据权利要求7所述的OCT眼底图像中的血管提取装置，其特征在于，所述提取模块具体用于：
基于二维高斯核函数构建血管提取模型，以通过所述血管提取模型提取所述第一过程图像中的疑似血管特征，将所述疑似血管区域与背景区域分离，得到所述第二过程图像。
9.根据权利要求8所述的OCT眼底图像中的血管提取装置，其特征在于，所述去除模块具体用于：
确定孔隙空间中灰度为0的点，并以该点为中心，向外作一个不断膨胀的圆，直到圆碰到孔隙空间中灰度值小于预设阈值的点时，停止膨胀；
将得到的圆存入一个数组，并按半径大小从小到大排列；
依次从所述数组中取出一个圆，删除所述数组中与该圆相交或被其包含的圆，直至最后一个元素；
将所述数组中余下的每个圆所在区域的灰度值设置为0。
10.根据权利要求9所述的OCT眼底图像中的血管提取装置，其特征在于，所述后处理模块具体用于：
对所述第三过程图像进行膨胀腐蚀操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211349618.XA CN116012287A (zh) | 2022-10-31 | 2022-10-31 | 一种oct眼底图像中的血管提取方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211349618.XA CN116012287A (zh) | 2022-10-31 | 2022-10-31 | 一种oct眼底图像中的血管提取方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116012287A true CN116012287A (zh) | 2023-04-25 |
Family
ID=86030648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211349618.XA Pending CN116012287A (zh) | 2022-10-31 | 2022-10-31 | 一种oct眼底图像中的血管提取方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116012287A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563414A (zh) * | 2023-07-11 | 2023-08-08 | 天津博霆光电技术有限公司 | 基于oct的心血管成像颤影消除方法及设备 |
-
2022
- 2022-10-31 CN CN202211349618.XA patent/CN116012287A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116563414A (zh) * | 2023-07-11 | 2023-08-08 | 天津博霆光电技术有限公司 | 基于oct的心血管成像颤影消除方法及设备 |
| CN116563414B (zh) * | 2023-07-11 | 2023-09-12 | 天津博霆光电技术有限公司 | 基于oct的心血管成像颤影消除方法及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chanwimaluang et al. | An efficient algorithm for extraction of anatomical structures in retinal images | |
| Mary et al. | An empirical study on optic disc segmentation using an active contour model | |
| CN108573502B (zh) | 一种自动测量Cobb角的方法 | |
| US20070160274A1 (en) | System and method for segmenting structures in a series of images | |
| JP2011514822A (ja) | Ｃｔスキャンデータをセグメント化する方法とシステム | |
| DE102006034358A1 (de) | System und Verfahren zur Segmentierung der Koronararterie von Herz-CT-Volumen | |
| US7593762B2 (en) | System and method for automatically segmenting bones in computed tomography angiography data | |
| US20080260229A1 (en) | System and method for segmenting structures in a series of images using non-iodine based contrast material | |
| DE10249320A1 (de) | Gefäss-Detektion durch Strahlausbreitung auf der Grundlage der mittleren Abweichung | |
| WO2022105623A1 (zh) | 一种基于迁移学习的颅内血管病灶识别方法 | |
| CN110415216B (zh) | 基于sd-oct和octa视网膜图像的cnv自动检测方法 | |
| CA3104562A1 (en) | Method and computer program for segmentation of optical coherence tomography images of the retina | |
| CN104794721A (zh) | 一种基于多尺度斑点检测的快速视盘定位方法 | |
| Hajeb Mohammad Alipour et al. | A new combined method based on curvelet transform and morphological operators for automatic detection of foveal avascular zone | |
| CN110648338A (zh) | 图像分割方法、可读存储介质及图像处理装置 | |
| CN116012287A (zh) | 一种oct眼底图像中的血管提取方法和装置 | |
| Ganjee et al. | An improved retinal vessel segmentation method based on high level features for pathological images | |
| EP3977400A1 (en) | A computer based method for classifying a mass of an organ as a cyst | |
| Luangruangrong et al. | Automatic exudates detection in retinal images using efficient integrated approaches | |
| Ibrahim et al. | Volumetric quantification of choroid and Haller's sublayer using OCT scans: An accurate and unified approach based on stratified smoothing | |
| JP2022513424A (ja) | 視神経乳頭の自動形状定量化の方法 | |
| Marciniak et al. | Measurement of retina vessels by segmentation of images reconstructed from optical coherence tomography data | |
| Akram et al. | Gabor wavelet based vessel segmentation in retinal images | |
| Medhi et al. | Improved analysis of diabetic maculopathy using level set spatial fuzzy clustering | |
| CN118710667B (zh) | 一种基于ct图像的脑外科多触点电极自动分割方法 |
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 |