基于OCT图像的房角开放距离计算机辅助测量研究

摘要

青光眼是世界范围内最主要的致盲性不可逆疾病之一，其中原发性闭角型青光眼在亚洲人种中居青光眼疾病类型的首位。根据原发性闭角型青光眼的发病机制，临床中前房角开放（或闭合）程度的准确评价对其预防与诊断至关重要。光学相干断层扫描(optical coherence tomography，OCT)成像具有非接触、对操作者专业技能要求较低等优点，成为检查前房角的成像方式的优选方案。对房角开放距离(angle opening distance，AOD)的测量是评估前房角的一个常用且有效的方法。传统的基于OCT图像的AOD测量方法均为手动或半自动测量方式，不仅效率低，且测量结果受主观因素影响较大。此外，现有的OCT前房角成像方式一次只能从一个位置获取房角的二维(2-dimensional，2D)截面图像，无法像房角镜一样提供某个象限上全面的房角信息。因此，如何能够通过一次扫描获取多个角度房角的截面图，并通过计算机自动测量的方式，为医生提供更为全面且客观的房角信息，是一个值得进行深入研究的重要问题。本文正是在该研究背景下，展开了对基于OCT图像的房角开放距离计算机辅助测量的研究。
　　 针对现有的在前房角OCT图像中测量AOD所存在的成像角度单一、手动或半自动测量方式等关键技术问题，论文提出了一种基于区域增强的OCT图像中前房角区域的准确分割方法。在此基础上，研究并提出了一种2D前房角OCT图像中自动测量AOD-SL的方法，其测量结果与手动测量结果相一致。此外，为了克服2D成像仅对单一角度房角扫描成像的不足，论文提出了一种3D扇形扫描模式，通过多角度对房角区域扫描成像，并结合图像处理方式得到合成B型扫描图，以及各角度成像中的AOD-SL，为临床青光眼的诊断提供了更为全面的房角信息。本论文的研究涵盖了计算机辅助诊断青光眼领域中的前房角区域分割、房角距离自动测量以及多角度获取房角开放信息等主要关键技术，对计算机辅助测量与评估原发性闭角型青光眼的推广提供了可供参考的理论基础和相关技术。论文研究主要内容主要分为以下几个部分。
　　 针对OCT图像增强前后的图像质量评估，论文提出了一种基于噪声方差、边缘扩散度和对比度噪声比的图像质量客观评估方法。同时，根据OCT图像中视网膜结构的特点，制定了相应的主观评估标准，从不同结构层边缘的清晰度、连续性和可见度等方面对图像质量进行评估。基于上述客观与主观评估方法，针对帧平均算法对OCT图像的增强，对图像增强效果进行了对比评估实验，实验结果表明论文所提出的客观评估方法能够有效地对图像增强效果进行评估，为临床中自动选择有效诊断图像提供了一种新的思路。
　　 考虑到前房角OCT原始图像中所存在的斑点噪声，阴影遮挡、伪影，低对比度区域等问题，论文提出了一种基于区域增强的前房角分割算法。该方法首先对图像进行滤波去噪;然后利用形态学灰度重建、幂次变换等处理对图像区域做恢复增强;最后，对图像进行分割，并对分割结果求精以去除伪影区域。实验结果表明，所提出的分割方法对于不同成像质量的前房角OCT图像具有较高的鲁棒性与准确性。该方法为计算机辅助房角开放距离的精确测量提供了切实可行的途径。
　　 论文还提出了一种基于Schwalbe线自动检测的2D前房角开放距离自动测量的方法。该方法首先对图像进行分割，并检测得到相应的角膜前后边缘与虹膜前边缘，同时对图像进行折射校正;然后根据角膜后边缘的位置在梯度图内搜索得到角膜后弹力膜前边缘，并根据图像梯度信息、角膜后边缘与其后弹力膜之间的距离信息，检测得到Schwalbe线的准确位置;最后，由Schwalbe线位置和虹膜前边缘计算得到相应的基于Schwalbe线的房角开放距离(angle openging distancebased on Schwalbe line，AOD-SL)。实验结果表明，与手动标定的Schwalbe线位置相比较，该算法对Schwalbe线的自动检测准确率可达90.38％，且算法自动测量得到的AOD-SL与手动测量结果之间具有较高的一致性，两者间的Pearson相关系数为0.99;同时其测量结果与房角镜评级呈正向相关。可见，该自动AOD-SL测量方法具有较高的鲁棒性和准确性，有效地克服了传统测量方法效率低、且测量结果易受主观影响的不足。
　　 针对现有2D测量方法测量角度单一的不足，论文设计了一种全新的三维(3-dimensional，3D)前房角扇形扫描模式，并创新性地重构出了合成B型扫描图(synthetic B-scan)。基于该合成B型扫描图，论文提出了一种OCT3D AOD-SL测量方法。该方法首先根据前房角分割方法对一组3D成像中的25帧图像进行分割，并利用边缘初检测、校正与细检测的方法准确地获得角膜前后边缘，同时对图像做折射校正;接着，根据手动输入的三个关键帧中的Schwalbe线位置，通过映射算法计算得到非关键帧中Schwalbe线的位置;最后，由边缘和Schwalbe线位置信息对图像进行抽样重构，得到合成B型扫描图，并从中检测虹膜前边缘和计算出各帧中的AOD-SL。实验结果表明，该3D测量算法对图像中边缘的检测结果，以及对非关键帧中Schwalbe线的定位具有较高的准确度;其测量结果与2D图像中手动测量结果间的Pearson相关系数为0.91，两者具有较高的一致性;同时其测量结果与房角镜评级呈正向相关。可见，该3D AOD-SL的测量方法具有较高的鲁棒性和准确性，能够克服现有2D测量方法测量角度单一的不足，为医生提供更为全面的多维度房角信息。

目录

声明

致谢

摘要

第一章 绪论

1．1 前房角开放距离测量的意义

1．2 青光眼介绍

1．3 OCT成像原理及医学临床应用概述

1．4 国内外研究现状

1．4．1 常用前房角成像与评估方法

1．4．2 OCT图像处理和分析

1．4．3 计算机辅助房角参数测量方法

1．5 主要研究内容和论文结构

1．5．1 主要研究内容

1．5．2 论文结构

第二章 OCT图像帧平均增强算法的评估分析

2．1 方法

2．1．1 客观评估参数

2．1．3 主观评估方法

2．1．2 评估过程

2．2 实验结果和分析

2．2．1 实验对象

2．2．2 图像获取

2．2．3 实验数据

2．2．4 实验结果

2．3 讨论

2．4 结论

第三章 前房角OCT图像分割算法研究

3．1 前房角OCT成像特点

3．1．1 斑点噪声

3．1．2 成像特点

3．2 前房角OCT图像分割算法

3．2．1 中值滤波(median filter)

3．2．2 形态学灰度重建(morphological grayscale reconstruction)

3．2．3 幂次交换(power-law transform)

3．2．4 图像分割与去噪

3．2．5 伪影去除

3．3 实验与结果

3．3．1 实验对象

3．3．2 前房角成像

3．3．3 实验参数

3．3．4 具有典型特征的前房角OCT图像分割

3．3．5 分割方法比较

3．4 结论

第四章 2D前房角开放距离自动测量研究

4．1 基于Schwalbe线的房角开放距离定义

4．2 2D前房角OCT图像特点

4．3 2D前房角开放距离自动测量算法

4．3．1 折射校正(Dewarping)

4．3．2 图像分割

4．3．3 边缘检测

4．3．4 Schwalbe线自动检测

4．3．5 房角开放距离测量

4．3．6 实验准确性评价参数

4．4 实验与结果

4．4．1 实验对象

4．4．2 2D前房角成像

4．4．3 实验参数

4．4．4 实验结果

4．5 讨论

4．6 结论

第五章 3D前房角开放距离测量研究

5．1 三维OCT扫描模式

5．2 OCT图像处理

5．2．1 边缘检测

5．2．2 Schwalbe线映射

5．2．3 合成B型扫描图和AOD-SL计算

5．2．4 测量准确性评价参数

5．3 实验及结果

5．3．1 实验对象

5．3．2 3D前房角成像

5．3．3 实验参数

5．3．4 实验结果

5．4 讨论

5．5 结论

第六章 前房角开放距离测量在临床中的应用

6．1 前房角开放程度检查方法

6．1．1 房角镜检查

6．1．2 前房角OCT成像

6．2 统计与分析方法

6．3 实验及结果

6．3．1 Schwalbe线与巩膜突可见度比较

6．3．2 2D前房角OCT成像中AOD-SL的自动测量与评估

6．3．3 3D前房角OCT成像中AOD-SL的测量与评估

6．3．4 3D前房角AOD-SL测量实例

6．4 讨论

6．5 结论

第七章 总结与展望

7．1 总结

7．2 展望

参考文献

攻读博士学位期间的主要研究成果