[发明专利]基于随机森林与复合活性曲线的OCT图像层分割方法

摘要

本发明涉及一种基于随机森林与复合活性曲线的OCT图像层分割方法，为了精确的分割视网膜层与积液而设计。本发明基于随机森林与复合活性曲线的OCT图像层分割方法，包括：得到OCT图像特征训练随机森林分类器；复合活性曲线算法获得最终的SF1；提取OCT图像的24个特征，使用随机森林分类器，本发明基于随机森林与复合活性曲线的OCT图像层分割方法，操作简单、检测结果准确。克服现有的对于病变OCT图像分割算法识别率较低、分割效果较差等问题。

主权项

一种基于随机森林与复合活性曲线的OCT图像层分割方法，其特征在于，包括：训练随机森林分类器；在训练随机森林分类器时，将OCT图像的多个层结构分割为了n个分类标记区域，各区域分别具有上表面，各区域的上表面层由上至下依次为SF1、SF2、SF3……SFn；提取了OCT图像中的m个特征；确定待分割OCT图像的上表面SF1的初始形状，使用复合活性曲线算法得到上表面SF1的最终形状；提取待分割OCT图像与训练随机森林分类器时相同的m个特征，使用随机森林分类器，对待分割OCT图像进行分类标记为n个区域，找到区域2至区域n中N个区域上表面的初始形状，基于各区域上表面的初始形状分别各自使用复合活性曲线算法，得到各区域上表面的最终形状，其中n、N均为正整数，N≤n‑1；当N＜n‑1时，还包括：将一区域的上表面的最终形状向上或向下平移预定像素点得到剩余其他一区域的上表面的初始形状，基于该剩余其他一区域的上表面的初始形状，使用复合活性算法得到该剩余其他一区域的上表面的最终形状；还包括：判断一区域内是否包含OCT图像的至少两层结构，若包含至少两层结构，则首先得到其中一层结构的上表面的初始形状，使用随机森林活性算法得到该层结构的上表面的最终形状，然后该层结构的最终形状向上或向下平移预定像素点得到剩余其他一层结构的上表面的初始形状，基于该剩余其他层结构的上表面的初始形状，使用复合活性算法得到该剩余其他一层结构的上表面的最终形状；其中，复合活性曲线算法具体包括：步骤A1：对待分割的OCT图像使用各向异性滤波后的OCT图像并计算亮层结构的多尺度响应响应其中，表示体素的坐标，σt表示尺度；步骤A2：分别从和依次提取x‑z平面图像，得到各自的二维图像I2d和L2d；提取出初始表面SF在当前切面中初始曲线如果待分割曲面在OCT图像是由暗带到亮带交界面，则上下反转二维图像I2d和L2d；如果待分割曲面在OCT图像是由亮带到暗带交界面，则不反转；步骤A3：分别对二维图像I2d和L2d建立图GF＝(VF,EF)和GB＝(VB,EB)，其中V表示图的结点集合，E表示图的有向边集合；对于二维图像来说，图的结点是四个相邻像素交点，图的边是两个相邻像素p,q相接的边，有向边的右边像素表示内部、左边像素表示外部，按如下公式计算EF和EB向边eij的权值：cij(p,q)=Σk=1nkΣl=1nlωkck(fl(p,q))Σk=1nkωk]]>其中，f是特征函数，ck是传递函数，ωk是权值系数，nl是边特征总数；nk是传递函数总数；复合图GH中的结点VH与边EH和图GF中的结点VF与边EF、GB中的结点VB与边EB一一对应，根据EF和EB计算复合图GH＝(VH,EH)边的权值：cijH(p,q)=cijF(p,q)⊗cijB(p,q)]]>其中表示点积；将初始曲线看成更新曲线能量值E'←∞,Elw←0，采用如下方式更新：步骤B1：改变能量值E'←Elw,Elw←0，按间距lws从曲线采样得到两个结点ao和ao+1，ax表示当前二维图像宽度；步骤B2：在复合图GH中，使用Dijkstra算法找到ao到ao+1的最小代价路径其中，n0表示当前路径途径结点总数；计算当前路径的代价值：elw(ao,ao+1)=Σu=1nocijH(eu)---(7)]]>并更新代价值Elw←Elw+elw；代价路径中等距采样得到lws结点更新曲线步骤B3：更新采样步长lws←lws/2，如果|Elw‑E'|＞ΔE并且lws＞1，则返回步骤1；否则，平滑已更新曲线如果输入图像上下反转，则把曲线反转回去；最后，输出已更新曲线