光学相干层析成像视网膜图像分层的方法
【技术领域】
[0001] 本发明涉及光学相干层析成像（OpticalCoherenceTomography，简称0CT)图像， 尤其涉及一种光学相干层析成像视网膜图像分层的方法。
【背景技术】
[0002] 光学相干层析成像（Opticalcoherencetomography,简称为0CT)是一种非侵入 的高分辨率生物医学光学成像技术，可在体检测生物组织内部的微结构，已广泛地应用于 眼科视网膜成像领域。对视网膜层总厚度和其中一些特定层诸如视网膜神经纤维层（RNFL) 厚度的定量测量可应用于青光眼、糖尿病视网膜病变等高致盲眼科疾病的诊断。较之耗时 且精度有限的人工视网膜分层，自动的视网膜分层方法可以同时提升分层效率和精度。
[0003] 现有一种基于图像灰度和灰度梯度的视网膜分层方法。2005年，Ferndindez等 人提出了用复合扩散滤波减少散斑噪声然后基于A-scan上的强度峰来进行视网膜分层的 方法（参见在先技术[1]，D.C.Fernandez,Η·M.Salinas,andC.A.Puliafito,"Automated detectionofretinallayerstructuresonopticalcoherencetomography images,''OpticsExpress,vol. 13,pp. 10200-10216, 2005) ;2005 年，Ishikawa等人提出 了用修改过的中值滤波减少散斑噪声，然后使用基于A-scan直方图的自适应阈值方法 进行视网膜分层的技术（参见在先技术[2]，H.Ishikawa,D.M.Stein,G.Wollstein,S. Beaton,J.G.Fujimoto,andJ.S.Schuman,''Macularsegmentationwithoptical coherencetomography,"InvestOphthalmolVisSci，vol. 46,pp. 2012-7, 2005)。基于图 像灰度和灰度梯度的视网膜分层方法进行简单的去噪处理后通过A-scan上的强度峰来进 行视网膜分层，对低对比度和有血管等复杂结构存在的视网膜图像分层效果不理想。
[0004] 另外有一种基于图论的视网膜分层方法。2009年，Garvin等人使用了 图论的搜索方法，在3D图像中寻找相关罚函数和限制条件的最小值来对视网膜 进行分层（参见在先技术[3]，Μ·K.Garvin,M.D.Abramoff,X.Wu,S.R.Russell,T. L.Burns,andM.Sonka,"Automated3-Dintraretinallayersegmentationof macularspectral-domainopticalcoherencetomographyimages,〃IEEETransMed Imaging,vol. 28,pp. 1436-47, 2009) ;2010 年，Chiu等人提出了 2D图论方法，通过最 短路径算法对视网膜进行分层（参见在先技术[4]，S.J.Chiu，X.T.Li，P.Nicholas，C. A.Toth,J.A.Izatt,andS.Farsiu,''Automaticsegmentationofsevenretinallayers inSD0CTimagescongruentwithexpertmanualsegmentation,"OptExpress,vo 1. 18,pp. 19413-28,2010) ;2010年，Yang等人提出了一种同时考虑局部和全局梯度信 息的分两步的图论方法进行视网膜分层（参见在先技术[5]，Q.Yang，C.A.Reisman，Z. Wang,Y.Fukuma,Μ.Hangai,Ν.Yoshimura,etal.，''Automatedlayersegmentationof macularOCTimagesusingdual-scalegradientinformation, 〃0ptExpress,vol. 18, pp. 21293-307, 2010)。图论的方法对噪声和图像退化很敏感。
【发明内容】
[0005] 本发明的目的是为了克服以上在先技术的不足，提供一种光学相干层析成像视网 膜图像分层的方法，首先对图像进行去噪预处理，然后对每个A-scan图像设置可变阈值进 行逐层分割作为初步的分层结果，再对各层的初步分层结果进行连续性和完整性判断，并 对不符合要求的分割点进行修正，从而准确高效地对0CT视网膜图像进行分层。本发明的 优点是可以对高噪声、低对比度、甚至存在血管等复杂结构的0CT视网膜图像进行良好的 分层处理，有效减小了选取单一阈值以及高散斑噪声对视网膜分层效果的影响。
[0006] 本发明的技术解决方案如下：
[0007] -种光学相干层析成像视网膜图像分层的方法，该方法的具体步骤如下：
[0008] ①首先利用光学相干层析成像系统对人眼视网膜进行扫描，获得原始的视网膜 B-scan图像；
[0009] ②对原始的视网膜B-scan图像做三维块匹配（BM3D)去噪；
[0010] ③搜索每个A-scan图像上强度最大的点作为视网膜色素上皮细胞（RPE)层下边 界；
[0011] ④设定整体阈值Y(Y可在图像最大灰度的三分之一到七分之一之间选取），将图 像中灰度小于Υ的像素置零，然后使用canny边缘检测算子搜索图像自上而下的第一层，作 为内界膜（ILM)层；
[0012] ⑤在图像中分别由上端向图像中心（内界膜层至外网状层）、由下端向图像中心 (视网膜色素上皮细胞层下边界至感光层内外连接部分上边界）对视网膜逐层进行分割， 选取图像中上端最靠近待分割视网膜层的已分割视网膜层作为上基准层，选取图像中下端 最靠近待分割视网膜层的已分割视网膜层作为下基准层，在两个基准层中选取距离待分割 视网膜层最近的那个基准层作为目标区域S的起始边界，从起始边界开始向另一基准层延 伸Μ个像素（M在15到30之间选取），所经过的区域构成目标区域S;
[0013] ⑥设置阈值参数τ，τ的经验范围为[m，n] (m可在1. 1到2之间选取，η可在3 到7之间选取），根据待分割视网膜层周围的灰度变化特性将τ置为m或η。
[0014] ⑦对每个A-scan设置一个不同的局部阈值λth:假设第i个A-scan的强度最大 值为I_(i)，则该列设置的局部阈值Ath⑴可表示为=其中τ为所选阈值参 Τ： 数；
[0015] ⑧对每个A-scan从距离待分割视网膜层近的一个基准层开始向另一个基准层的 方向进行搜索，若在分割待分割视网膜层的过程中阈值参数τ最初置为m，则搜索到第一 个灰度大于阈值λth的点P(i)时进入步骤⑨；若在分割待分割视网膜层的过程中阈值参数 τ最初置为n，则搜索到第一个灰度小于阈值λth的点P(i)时进入步骤⑨；
[0016] ⑨判断⑧中找到的点P(i)是否在⑤中确定的目标区域S内，若P(i)在S内，将 P⑴作为待分割视网膜层的初步结果，并进入步骤⑩；若P(i)不在S内，需重新设置阈值 参数τ，将阈值参数τ向经验范围的另一端移动一个固定大小（可在〇. 〇1到〇. 5之间选 取）；然后重复步骤⑦⑧⑨；
[0017]⑩对待分割视网膜层的初步结果进行连续性和完整性判断，对不连续和不完整的 分割点取两侧最近的连续完整分割点进行线性连接，作为该层的最终分层结果；
[0018] (11)重复⑤至⑩对视网膜图像中每一个待分割视网膜层依次进行分层，得到最终的 视网膜分层结果。
[0019] 所述的BM3D去噪方法是：
[0020] 首先将图像分成固定大小的块，根据这些块的相似程度进行图像块的匹配， 把结构相似的二维图像块组合在一起构建三维数组，然后对三维数组进行联合滤波 处理，最后对滤波处理后的结果进行逆变换得到消除散斑噪声后的图像。具体方法 见参考文南犬K.Dabov，A.Foi，V.Katkovnik，andK.Egiazarian，"Imagedenoising bysparse3-Dtransform-domaincollaborativefiltering,〃IEEETransImage Process,vol. 16,pp. 2080-95,Aug2007。
[0021] 所述的阈值参数τ的取值方法是：
[0022] τ的经验范围为[m，n]，其中m在1. 1到2之间选取，η在3到7之