[发明专利]基于SD-OCT的挫伤性视网膜内外节缺失检测方法

说明书

技术领域

本发明属于视网膜图像处理与分析方法，尤其是对SD-OCT(频域光学相干断层成像)视网膜图像中的内节/外节缺失的三维自动定量检测方法。

背景技术

眼外伤是导致视力损伤甚至致盲的主要因素之一，是我国单眼盲的首位致盲原因。当眼球表面的损伤传递到后端的视网膜时，视网膜震荡伤的特点是灰白变色，或是当外伤闭合后，视网膜仍然浑浊。人眼的组织病理学研究和动物研究表明，光感受器的内节/外节连接区损伤是视网膜震荡伤的发病原。而光感受器的内节/外节与光传导紧密相关，因此，内节/外节的完整性与视力密切相关。

SD-OCT(频域光学相干断层成像)是一种无损评估视网膜生理和病理指标的强有力技术，能快速获得高分辨的断层三维图像。在SD-OCT图像中，光感受器内节/外节是介于外界膜和色素上皮层之间的一个高亮反射层。内节/外节完整性的遭破坏程度是光感受器受损程度的一个代表性指标，通常与视网膜震荡伤导致的视力低下以及其他视网膜疾病有关。

在SD-OCT图像中，通过定量检测内节/外节区域缺失范围来定量评估光感受器的损伤程度是一个非常有意义的研究方向。有文献报道在一个B扫描面中进行内节/外节缺失长度的手动检测。但是，这是基于单个二维界面图像。此外，有文献提出采用部分OCT投影图像或者冠状面投影图像等技术更好地可视化光感受器的整体性和缺失区域。但是，这些检测内节/外节缺失面积的技术仍然是基于二维图像的，而且是手动的，这在选择缺失区域边界时可能会引入主观因素。关于内节/外节缺失区域边界的自动检测和内节/外籍缺失面积计算方法也有文献报道，但是，这种方法是基于缺失区域是圆形的假设，而实际上，缺失区域的形状可能是任意形状。

更重要的是，内节/外节是一层有厚度的薄膜，应该以内节/外节缺失的体积来衡量光感受器的损伤程度。这方面的研究还处于起步阶段，现有技术对视网膜内外节缺失检测也仅仅只针对局部较小的范围进行检测，特征提取不全面，并且分类不平衡，例如，CN103679198A公开了一种基于K近邻的视网膜内节外节缺失自动检测，提取以黄斑中心为中心、直径1mm的内节外节区域为感兴趣区域，进行5个特征提取，提取特征少，特征不够典型，且由于K近邻分类器的约束，采用的K近邻分类存在分类不平衡问题，分类性能差；其次，在后处理与缺失体积计算中，对识别分类得到的结果没有进行血管轮廓影响排除和孤立点排除，缺失体积误差大，准确性差。

发明内容

本发明克服了现有技术的不足，提供了一种具有可行性和有效性的视网膜内节/外节缺失三维自动定量检测方法，能够将内节/外节全部区域作为感兴趣区域，全面提取体素特征，充分考虑不平衡分类问题的特点，精确计算视网膜内外节缺失区域。

为解决上述技术问题，本发明采用的技术方案为：

一种基于SD-OCT的挫伤性视网膜内外节缺失检测方法，该方法主要包括6个步骤：图像预处理，体素特征提取，特征选择，集成分类器的训练，体素缺失识别，后处理与缺失体积计算。

一种基于SD-OCT的挫伤性视网膜内外节缺失检测方法，即包括以下步骤：

(1)图像预处理：采用多尺度三维图割方法进行视网膜内部分层，将视网膜SD-OCT图像自动分割成10个分层，产生11个表面，将包含内节/外节区域的第7层和第8层之间的数据提取出来，参考第11层进行平坦化，将平坦化后第7层和第8层之间的内节/外节区域的SD-OCT图像作为感兴趣区域，进行双线性滤波增强；

(2)体素特征提取：对步骤(1)所述平坦化后的内节/外节区域的所有体素的灰度值进行归一化处理，根据手动标记的金标准，对内节/外节区域内的缺失体素和非缺失体素分别提取5类特征，所述5类特征包括归一化的灰度值、分块均值、分块标准差、13个方向的灰度差绝对值、基于灰度共生矩阵的特征；

(3)特征优化选择：对步骤(2)中所提取的特征采用主成份分析法进行特征选择；

(4)集成分类器的训练：将经步骤(3)选择的特征分成训练集和测试集；在训练集中，按1：1比例，从非缺失样本中随机抽取数量与缺失样本数量相同的特征样本，采用Ababoost算法进行集成分类器的训练；

(5)体素缺失/非缺失的分类识别：对测试集样本进行缺失/非缺失识别，采用步骤(4)训练得到的集成分类器对测试样本进行分类，对每个体素的缺失与否进行分类识别；

(6)后处理与缺失体积计算：对步骤(5)分类识别得到的缺失结果进行血管轮廓影响排除和孤立点排除，并计算相应的缺失体积。

本发明技术方案具体描述如下。