黄斑中心视网膜OCT图像的分层分析研究眼科学专业.docx

《黄斑中心视网膜OCT图像的分层分析研究眼科学专业.docx》由会员分享，可在线阅读，更多相关《黄斑中心视网膜OCT图像的分层分析研究眼科学专业.docx（28页珍藏版）》请在优知文库上搜索。

1、目录摘要1Abstract2第一章绪论31.1课题背景与研究意义31. 2相关技术介绍41.2 .1OCT技术41. 2.2图像分割技术42. 2.3眼底OCT图像分层41.3 研究内容及章节安排5第二章相关算法介绍62. 1Canny算子62.1.1Canny算子原理62.1.2Canny算子改进72.2.相关处理82.2.1中值滤波82.2.2曲线拟合82.2.3高斯滤波92.2.4膨胀算法10第三章OCT图像分层算法113.1 算法流程113.2 算法分步123. 3错误校正及结果优化163. 3.1错误校正164. 3.2结果优化19第四章实验结果与分析224.1 误差评价标准224.

2、 2实验结果分析22244.3总结参考文献25致谢.错误!未定义书签。摘要医学成像技术的成熟发展促使越来越多的电子成像技术应用于临床医学。光学相干断层扫描技术(OCT)因其较高分辨率和不与眼部接触的特性而被广泛应用。然而仅依靠医生手工对OCT眼底图像进行分割，既耗时又耗力,再加上不可忽视的人为因素的影响，因此研究一个OCT视网膜图像自动分层算法是非常必要的。本文首先介绍了OCT技术、图像分割技术的发展现状及眼底OCT图像的分层，然后介绍了研究内容及章节安排。第二章介绍Canny算子的原理及其改进，以及相关的算法原理。在第三章本文给出了整个自动分层算法的流程图，并在此基础上对整个流程进行分步详细

3、阐述，基于不同参数下的Canny算子初步分层后，再对分层过程中的出现的错误比如跳变误差和中央凹进行了校正，最后对各分层结果进行优化。本文描述的方法可以找到视网膜OeT图像的7个边界，以专家手动分割的结果为标准，误差分析显示，该自动分层算法的各层误差控制在2个像素左右，算法整体检测性能良好。关键词：OCT,自动分层，Canny算子，边缘检测AbstractThematuredevelopmentofmedicalimagingtechnologyhaspromptedmoreandmoreelectronicimagingtechnologytobeappliedtoclinicalmedici

4、ne.Opticalcoherencetomography(OCT)iswidelyusedbecauseofitshighresolutionandnocontactwiththeeye.However,itisverynecessarytostudyanOCTretinalimageautomaticlayeringalgorithm,whichreliesondoctorsmanualsegmentationofOctfundusimage,whichistime-consumingandconsuming,coupledwiththeinfluenceofhumanfactorswhi

5、chcan,tbeneglected.ThispaperintroducesthedevelopmentofOCT,imagesegmentationandthestratificationofOCTimagefirstly,thenintroducestheresearchcontentandchapterarrangement.Thesecondchapterintroducestheprincipleandimprovementofcannyoperator,andsomerelatedalgorithmprinciples.Inthethirdchapter,wegivetheflow

6、chartofthewholeautomaticlayeredalgorithm,onthisbasis,thewholeprocessiselaboratedstep-by-step,basedontheinitiallayeringofthecannyoperatorunderdifferentparameters,theerrorssuchasjumperrorandcentralconcaveinthelayeredprocessarecorrected,andtheresultsareoptimized.Themethodpresentedinthispapercanfind7bou

7、ndariesofOCTimage,andtheresultofexpertmanualsegmentationisthestandard,theerroranalysisshowsthattheerrorcontroloftheautomaticlayeredalgorithmisaround2pixels,andthealgorithmhasgoodperformanceinoveralldetection.Keywords:OCT,automaticlayersegmentation,Cannyoperator,edgedetection.第一章绪论1.1课题背景与研究意义眼底是眼球内后

8、部的组织，如图1.1所示，眼底包括脉络膜、视网膜、黄斑、眼底血管、视神经纤维和视神经乳头等部分。图1.1眼底结构图通过检查眼底可以发现很多疾病，毛细血管瘤、出血点和渗出物为早期糖尿病的征兆；通过检测眼底分泌物、血管病变图像或眼底相关部位的病变，可诊断出眼底疾病，如青光眼、白内障、老年性黄斑病变等，因此眼底被眼科医生誉为“检目镜”。获得眼底图像的方法有很多，主要包括超声影像、红外图像和新兴的光学相干断层扫描图像。传统方法是依靠有经验的医生观察病人的医学影像中的眼底特征信息发现病变，主要特征为视神经盘、中央窝、黄斑区域视网膜内层厚度等。但随着人口老龄化的加剧，眼部疾病的发病率也越来越高，而眼底病病

9、种繁多,病因复杂,使得眼底检查这项工作既耗时又耗力,再加之不可忽视的人为因素的影响，因此，如何快速有效地处理医学影像并检测出眼部疾病有着重大意义，也具有非常大的市场潜力。1.2相关技术介绍1.2.1OCT技术OeT全称是光学相干断层成像技术(OPtiCaICoherencetomography)0在眼科应用治疗中，由于其具有很高的分辨率，可以精确辨别内膜性质和支架结构，能够清晰地显示病变区域，具有非接触性检查等优点，所以OCT技术给我们提供了一个全新的窗口，让我们能够全面观察眼底疾病，尤其是眼底黄斑疾病。经过长时间的改进，OCT已经发展为一种临床实用的检测工具，制成了商品化仪器，并于1995年

10、开始正式用于眼科临床。眼科OCT应用前景十分广阔，未来发展包括能包括高速、三维视网膜成像，功能的成像及使用不同波长范围的光源增强穿透力至脉络膜成像等咒1.2.2图像分割技术图像分割是指是在预处理的基础上对信息进行组织和加工的过程，实质就是建立在像素之间的连续性和非连续性上将像素分类。图像分割技术作为数字图像处理中的一个重要组成部分，不但能够按照一定的准则将所选定的区域划分成具有一定功能的区域，也能将图像中特定的边缘、区域等特征提取出来。图像分割技术应用很广泛，几乎出现在图像处理的各个领域，但是还没有一种能够适应各种图片的处理方法，所以还有待于不断地深入研究。1. 2.3眼底OCT图像分层视网膜

11、位于眼球壁的内层，是一层透明的薄膜。下图1.2描述了正常人眼的三维OCT视网膜图像分层的结果。由上而下分别为：色素上皮层，外节层、连接纤毛层，内节层，外核层，外丛状层，内颗粒层，内丛状层，神经节细胞层，神经纤维层，这10个层次共形成11个边界。视网膜OCT图像各层之间灰度值不同，存在明显的暗亮变化，由暗到亮或者由亮到暗的位置区域就是我们要寻找的边界。本文所寻找的7个边界，自上而下分别为surfaceLsurface2,surface4,surface6,surface7,surface10和surface11,为了方便行文，以下叙述将用cl、C2、C3、C4、C5、c6和c7分别对应这7个边界

12、。IPLINLRPENFLGCLCLOSLVMOPL ONL+ISLsurface1surface2surface3surface4surface5surface6surface7Stnface8surface9surface10surface11图1.2正常人眼的OCT视网膜图像分层结果图1.3研究内容及章节安排本文的主要内容是设计一个自动分层算法，在误差较小的前提下，该算法能够检测视网膜OCT图像中的多个边界。主要行文安排如下：第一章首先介绍OCT技术发展，图像分割技术现状以及所要研窕的OCT视网膜分层图像。第二章首先介绍Canny算子原理及其改进，再介绍分层算法中的中值滤波,高斯滤波，曲

13、线拟合和膨胀算法。第三章先给出自动分层算法的流程图，再详细阐述分层算法的步骤，最后进行错误校正和结果优化。第四章先对自动分层算法寻找的边界明确一个结果评价标准，再从两个维度进行误差分析和总结。第二章相关算法介绍2.1 Canny算子因为边缘总是出现在相邻的两个灰度值不同的区域连接处，特征表现为灰度值的不连续。而图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。Canny算子是一个优良的边缘检测算子，是JohnF.Canny于1986年提出来的。Canny算子具有如下优点：1 .较高的信噪比；2 .定位精度高；3 .具有较强单边响应能力。Carmy算子具有较强的抑制噪声的

14、能力，可以较完整地检测边缘，但相比其他传统的边缘微分算子计算复杂，运算速度慢。另外，Canny算子的双阈值是根据全局特征信息来决定的，一方面导致无法消除局部噪声的干扰，另一方面又会丢失灰度值变换缓慢的边缘。2. 1.1Canny算子原理利用Canny算子进行边缘检测,包括以下4个步骤：(1用高斯滤波器平滑图像首先用二维高斯函数对图像进行平滑，函数如下。12+y2G(xfy,)(2-1)公式(2-1)是求权重的公式，值是高斯函数的分布参数，它控制着平滑程度，。值越小，平滑效果越差，但边缘定位精度高；。值越大，平滑效果越好，但边缘定位精确度差，所以平滑图像时要根据情况选择适当的。值。令g(%,y)

15、为平滑后的图像，用G(%ye)对图像F(%y)平滑，可表示为：9(%,yy)=G(xfy,)*(x,y)(2-2)(2)用一阶有限差分计算梯度幅值和方向.平滑后的数组g(x,y)的梯度可以用2X2邻域一阶有限差分近似式分别表示x、y方向的偏导数，即G(g%y+i-g%y+g%+,y+i-g+,y)(2-)GXS，y-g-+,y+g),y+U-g%+,y+U)(2_4)在这个邻域内求有限差分的均值，可得到该点X方向与y方向的偏导数梯度。梯度幅值和梯度方向角表达式如下：G=Gj+Gy2(2-6)=arctan()(2-7)(3)对梯度幅值进行非极大值抑制梯度幅值越大，对应的图像梯度值也就越大，但这并不足以确定边缘。为了确定边缘，必须保留幅值局部变化最大的点，这一过程称为“非极大值抑制:非极大值抑制通过比较当前点的梯度强度和正负梯度方向点的梯度强度，如果相比同方向的其他点的梯度强度是最大，则保留其值，否则抑制。(4)用双阈值算法检测和连接边缘Canny算法应用双阈值,l和2,其中l2,可得到阈值边缘两个图像7i,j和7294，由于图像72口才是高阈值得到的，去除了大部分噪声，但在轮廓上会有间断，所以我们