SD--OCT視網(wǎng)膜圖像病變分析中的若干關(guān)鍵技術(shù)研究.pdf

1、視力障礙是影響人們生活質(zhì)量的重要因素，視網(wǎng)膜病變是影響視力下降的一個(gè)主要原因，如老年黃斑性病變(AMD)、青光眼、糖尿病性視網(wǎng)膜病變(DR)。近幾年，由于光學(xué)相干斷層(OCT)成像技術(shù)具有成像速度快、高分辨率、非侵入性等特點(diǎn)，廣泛應(yīng)用于視網(wǎng)膜疾病診斷治療，尤其是頻域OCT(SD-OCT)成像技術(shù)，能夠觀察到視網(wǎng)膜內(nèi)部三維精細(xì)結(jié)構(gòu)。利用圖像處理和識(shí)別手段量化分析SD-OCT視網(wǎng)膜圖像病變區(qū)域，實(shí)現(xiàn)輔助診療視網(wǎng)膜疾病，具有重要的臨床和研究?jī)r(jià)

2、值，同時(shí)，也具有極大的挑戰(zhàn)。一方面，隨著SD-OCT成像技術(shù)的廣泛應(yīng)用，如何通過(guò)計(jì)算機(jī)對(duì)視網(wǎng)膜病變區(qū)域進(jìn)行有效快速地分割和量化已變得越來(lái)越重要。另一方面，SD-OCT成像技術(shù)提供更多眼疾相關(guān)的臨床生理表型，如何利用臨床生理表型建立疾病演化模型評(píng)價(jià)診療效果，預(yù)測(cè)病變演化趨勢(shì)，是當(dāng)前眼科領(lǐng)域熱點(diǎn)研究課題。
　　本文圍繞SD-OCT視網(wǎng)膜圖像病變區(qū)域量化分析及演化趨勢(shì)，研究了SD-OCT視網(wǎng)膜圖像組織層分割、視網(wǎng)膜圖像黃斑中央凹自動(dòng)檢測(cè)

3、、地圖狀萎縮(GA)病變區(qū)域的自動(dòng)識(shí)別與量化分析以及GA病變演化區(qū)域預(yù)測(cè)等關(guān)鍵問(wèn)題。論文的主要工作總結(jié)如下:
　　(1)提出了兩種SD-OCT視網(wǎng)膜圖像的層分割算法，分別是基于對(duì)偶梯度和空間約束的視網(wǎng)膜層分割算法和應(yīng)用多尺度三維圖搜索的視網(wǎng)膜層分割算法。對(duì)于正常眼睛來(lái)說(shuō)，兩種算法均有效地分割出視網(wǎng)膜層邊界。對(duì)于患有疾病的圖像，第一種算法的視網(wǎng)膜層分割能力有限，而第二種算法可以自動(dòng)地分割多種疾病的視網(wǎng)膜層邊界，且分割結(jié)果相對(duì)準(zhǔn)確。大

4、量實(shí)驗(yàn)結(jié)果證明，本章提出的方法在分割精度和應(yīng)用范圍上優(yōu)于其它方法。
　　(2)提出了一種SD-OCT視網(wǎng)膜圖像的黃斑中央凹自動(dòng)定位算法。黃斑中央凹區(qū)域是SD-OCT視網(wǎng)膜厚度圖像上最凹陷的區(qū)域，結(jié)合視網(wǎng)膜厚度圖像的方向顯著性、位置顯著性和局部數(shù)據(jù)結(jié)構(gòu)顯著性，識(shí)別潛在的黃斑中央凹區(qū)域，并在其內(nèi)搜索最小凹點(diǎn)，即黃斑中央凹。實(shí)驗(yàn)結(jié)果證明，該算法能夠快速魯棒地檢測(cè)出多種視網(wǎng)膜病變圖像的黃斑中央凹。
　　(3)提出了一種嵌入局部相似因

5、子的區(qū)域活動(dòng)輪廓模型，并應(yīng)用于GA病變區(qū)域的識(shí)別與量化。該模型通過(guò)空間距離平衡局部窗口內(nèi)像素點(diǎn)與全局灰度均值的差異來(lái)構(gòu)建局部相似因子，將局部相似因子嵌入到區(qū)域活動(dòng)輪廓模型。然后利用GA眼底圖像的最大灰度信號(hào)文件改進(jìn)迭代閾值分割結(jié)果，并將其設(shè)置為初始活動(dòng)輪廓曲線，實(shí)現(xiàn)SD-OCT圖像的GA病變區(qū)域識(shí)別。實(shí)驗(yàn)表明，該模型從定量測(cè)量和視覺(jué)觀察兩個(gè)方面獲得了很好的GA識(shí)別結(jié)果。
　　(4)GA病變隨著時(shí)間的推移而向周圍區(qū)域快速演化，若能正

6、確的預(yù)測(cè)未來(lái)GA可能出現(xiàn)的位置，有助于更好地理解GA出現(xiàn)的病理生理機(jī)制以及可能修改病人隨訪的治療方案。從SD-OCT圖像中提取19個(gè)GA量化特征，采用隨機(jī)森林建立預(yù)測(cè)模型，并利用該模型預(yù)測(cè)未來(lái)一段時(shí)間GA可能出現(xiàn)的位置，提出了一種基于回歸學(xué)習(xí)的GA病變演化區(qū)域自動(dòng)預(yù)測(cè)模型。根據(jù)臨床實(shí)踐設(shè)計(jì)了三種評(píng)價(jià)機(jī)制以更好地評(píng)價(jià)預(yù)測(cè)模型性能。實(shí)驗(yàn)表明，GA量化特征重要性顯示了提取的19個(gè)量化特征是行之有效的GA演化預(yù)測(cè)因子，定量分析證明了該模型對(duì)未來(lái)