[发明专利]一种基于K近邻的视网膜内节/外节缺失自动检测方法

说明书

技术领域

本发明涉及-图像检测领域，属于视网膜图像检测方法，尤其是对SD-OCT（频域光学相干断层成像）的视网膜图像中的内节/外节缺失的自动检测方法。

背景技术

视网膜是位于眼球后部的感光组织，它是人类视觉系统的重要组成部分。视网膜的基本结构是：三层神经细胞由两层类神经连接分隔。感光接受器是位于视网膜最外面的细胞层，由两类细胞构成：视杆细胞和视锥细胞。视杆细胞和视锥细胞都包含内节和外节，内节包含大量线粒体，是产能装置；外节包含感光物质，是感光部分。内节/外节是外节与内节交界区的一层连续薄膜，起到传递兴奋和能量的作用。越来越多的研究表明，内节/外节的缺失程度是衡量视杆细胞和和视锥细胞受损程度的一个重要指标，而视杆细胞和和视锥细胞的受损程度与视力有非常密切的关系。

SD-OCT技术已经成为无损评估视网膜疾病的一种强有力的工具，它能提供快速的、高分辨率的、显示视网膜内部分层的三维图像。已有一些有关内节/外节的完整性与视力关系的研究，如黄斑裂孔修复术前后内节/外节缺失程度与视力恢复的研究，其中有关内节/外节缺失的指标主要采用最大缺失长度和缺失面积来衡量，而且方法是半自动的，需要医生手动选择内节/外节缺失的长度和宽度，将两者中较大的作为最大缺失长度，将两者的乘积作为缺失的面积，即把内节/外节缺失区域的形状视为矩形。这种内节/外节缺失的计算方法存在三个缺点：（1）长度、宽度的选择具有主观性；（2）内节/外节缺失区域的形状具有任意性，以矩形来计算面积不合理；（3）更重要的是，内节/外节是一层有厚度的薄膜，应该是一个体数据，即应该计算内节/外节缺失的体积。到目前为止，还没有有关针对视网膜SD-OCT图像内节/外节的三维完整性自动检测方法的相关报道。

发明内容

本发明克服了现有技术的不足，提供一种适用于视网膜SD-OCT图像的基于K近邻的视网膜内节/外节缺失自动检测方法。

为解决上述技术问题，本发明采用的技术方案为：

一种基于K近邻的视网膜内节/外节缺失自动检测方法，包括以下步骤：

步骤S01，图像预处理，对训练图像和测试图像进行图像预处理，所述图像预处理包括视网膜内部分层和内节/外节区域提取和平坦化两个步骤，视网膜内部分层用于分析视网膜病变的形成，所述视网膜内部分层完成后，提取包含内节/外节区域的数据，参考视网膜色素上皮层的下界进行内节/外节区域提取和平坦化；

步骤S02，体素特征提取，对感兴趣区域内的所有体素的灰度值进行最大值-最小值线性归一化处理，然后提取特征，包括：归一化的灰度值，X、Y、Z方向上的梯度，分块均值，分块标准差和分块图像灰度熵；

步骤S03，特征零均值归一化，对步骤S02中所提取的所有特征进行零均值归一化处理；

步骤S04：分类，采用留一交叉检验法，将所述步骤S03中归一化后的特征分成训练集和测试集，根据训练集的已知分类特性，对测试样本的特征采用K近邻分类器进行分类，对每个体素的缺失与否进行识别，并进行缺失体积计算。K近邻分类器的基本原则是对未知样本根据其已知的K个相邻样本的所属分类进行最优分类，并根据分类结果计算感兴趣区域内的缺失/非缺失体积。

所述视网膜内部分层采用多尺度三维图搜索方法将视网膜SD-OCT图像自动分割成10层，产生11个表面，所述三维图搜索方法基于图论的方法，采用从粗糙到精细的不同分辨率，检测视网膜的内部各表面；所述三维图搜索方法的图搜索方法基于边界的代价函数，当代价函数最小时，即找到各个表面。

步骤S02中归一化灰度值为对感兴趣区域内的所有体素的灰度值采用式（1）所示的最大值-最小值归一化方法进行线性归一化至0～1；