眼底相干扫描图像中脉络膜血管的自动分割

摘要

脉络膜处于视网膜和巩膜中间，能够包围整个眼球后部六分之五的区域。它由丰富的血管及色素细胞组成，主要功能是营养视网膜外层及玻璃体，并有遮光作用。诸多严重的眼底疾病能够导致脉络膜及其血管产生相应的变化，例如常见的年龄相关性黄斑变性、中央浆液型脉络膜视网膜病变等。所以对脉络膜血管的分割与定量研究对上述眼部疾病的预防和治疗具有十分重要的临床意义。针对三维大视野 OCT(Optical Coherence Tomography)图像，本文提出了一种脉络膜血管自动分割的方法，并通过与金标准的比对和可重复性实验验证了算法的可靠性和鲁棒性。对于本文提出的方法，其主要内容和贡献如下：
　　首先，针对三维大视野 OCT图像进行预处理。对采集得到的原始三维 OCT数据利用多尺度图搜索方法进行视网膜分层，根据得到的视网膜色素上皮细胞层(RPE)将OCT图像拉平，得到感兴趣区域。最后利用线性增强的方法改善图像的对比度，利用三维各项异性滤波器提高图像的信噪比。针对三维大视野OCT数据的图像特征，我们提出了有效的预处理方法，在有效的抑制了散斑噪声的同时，提高了图像的对比度并保留了完整的脉络膜边界。
　　其次，对于脉络膜血管分割，提出了基于模糊连接和区域生长两大算法来实现。先利用自适应阈值的算法得到初始种子点；然后用模糊连接算法得到图像的连接强度图，结合先验阈值得到脉络膜边界；最后基于区域生长算法，以模糊连接的结果作为其种子点，得到精确的脉络膜血管。本文提出的方法不仅能够实现全自动分割脉络膜血管，而且将模糊连接算法作为区域生长的种子点可以有效地避免血管过分割或者遗漏现象。
　　最后，利用海森矩阵以及自适应阈值等方法排除视盘对脉络膜血管分割的干扰。
　　本文算法在13个正常测试者的三维大视野OCT图像上进行验证，每个测试者随机抽取一只眼睛进行两次OCT图像采集，共得到26个OCT数据。采用如下四个指标分析比较本文提出方法得到的分割结果与金标准之间差异：平均真阳性体积分数（TPVF，90.22％）、假阳性体积分数（FPVF，0.44%）、戴斯系数（DSC，82.90%）和准确率（ACC，99.07%）；采用平均误差的形式分析该方法可重复性实验的结果，误差为10.7%。此外，通过回归分析与一致性分析得到自动分割结果与金标准之间具有高度的相关性和一致性。对脉络膜血管进行分割量化可以给临床医生提供更多准确的信息，协助医生对眼部疾病做出及时诊断与治疗。

目录

声明

第一章 绪论

1.1 OCT图像技术的发展

1.2 视网膜及脉络膜解剖结构

1.3 眼底OCT图像特征

1.4 脉络膜分割的研究现状

1.5 本文的研究内容

第二章 相关算法分析

2.1 模糊连接算法

2.2 区域生长算法

2.3 图搜索算法

2.4 本章小结

第三章 脉络膜血管自动分割

3.1 算法流程

3.2 OCT图像预处理

3.3 脉络膜血管分割

3.4 OCT图像后处理

3.5 本章小结

第四章 实验结果及分析

4.1 数据集获取

4.2 实验结果评价指标

4.3 实验结果及分析

4.4 算法效率评估

4.5 本章小结

第五章 总结和展望

5.1总结

5.2展望

参考文献

攻读硕士研究生期间公开发表的论文

附录 缩略词

致谢