本發(fā)明涉及一種病變相關(guān)性分析的方法，特別是一種糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法。

背景技術(shù)：

SD OCT是一種快速、非侵入式的頻域光學(xué)相干斷層成像技術(shù)，它可以有效地呈現(xiàn)視網(wǎng)膜各組織層的結(jié)構(gòu)及病變的臨床病理特征，臨床實(shí)驗(yàn)表明SD OCT圖像能夠用于視網(wǎng)膜的厚度測(cè)量、病變的檢測(cè)與識(shí)別，特征分析等。糖尿病性視網(wǎng)膜病變是糖尿病最常見(jiàn)和最嚴(yán)重的微血管并發(fā)癥之一，是糖尿病患者視力喪失的主要原因。

SD OCT糖尿病性視網(wǎng)膜病變圖像中視網(wǎng)膜外叢狀層和外核層分布著一些點(diǎn)塊狀高反射信號(hào)，這些高反射信號(hào)在糖尿病性視網(wǎng)膜病變的機(jī)制還不完全清楚。高反射信號(hào)主要是脂質(zhì)滲出物，蛋白質(zhì)物質(zhì)或炎癥細(xì)胞堆積之后的一種形態(tài)學(xué)顯示，隨后可能變成硬性滲出的前驅(qū)。目前硬性滲出和高反射信號(hào)被廣泛的進(jìn)行研究用于視力下降的預(yù)防和治療。有研究表明高反射信號(hào)的增加會(huì)導(dǎo)致視力受損，而大部分的高反射信號(hào)可能被認(rèn)為是硬性滲出的前驅(qū)，意味著硬性滲出與高反射信號(hào)可能存在某種相關(guān)性。但是現(xiàn)有技術(shù)中尚無(wú)相關(guān)硬性滲出與高反射信號(hào)關(guān)系的描述。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提出一種糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法。

實(shí)現(xiàn)本發(fā)明的目的的技術(shù)解決方案為：一種糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法，包括以下步驟：

步驟1、采集SD OCT視網(wǎng)膜圖像和CFP眼底圖像；

步驟2、采用雙邊濾波算法對(duì)SD OCT視網(wǎng)膜圖像進(jìn)行去噪；

步驟3、利用二維的層分割方法定位視網(wǎng)膜神經(jīng)纖維層RNFL和光感受器內(nèi)節(jié)/外節(jié)IS/OS，從而限制高反射信號(hào)所在區(qū)域；

步驟4、利用自適應(yīng)閾值法確定高反射信號(hào)種子點(diǎn)集合，并根據(jù)基于人類(lèi)視覺(jué)特性的區(qū)域生長(zhǎng)法分割出高反射信號(hào)區(qū)域；

步驟5、根據(jù)SD OCT視網(wǎng)膜圖像生成投影圖像，與CFP眼底圖像配準(zhǔn)，獲得裁剪后CFP眼底圖像；

步驟6、利用多尺度的顯著性檢測(cè)法結(jié)合閾值法分割出裁剪后CFP眼底圖像中的硬性滲出；

步驟7、根據(jù)裁剪后CFP眼底圖像定位SD OCT視網(wǎng)膜圖像中的硬性滲出，在SD OCT視網(wǎng)膜圖像中進(jìn)行硬性滲出與高反射信號(hào)的相關(guān)性分析。分別得出硬性滲出與高反射信號(hào)在面積、數(shù)目、高度、灰度這些特征上存在的關(guān)系。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)：(1)本發(fā)明首次給出了一種糖尿病性視網(wǎng)膜病變圖像中硬性滲出和高反射信號(hào)的分析方法；(2)本發(fā)明通過(guò)配準(zhǔn)CFP眼底圖像和SD OCT投影圖像來(lái)確定SD OCT視網(wǎng)膜圖像中的硬性滲出區(qū)域；(3)本發(fā)明提取了一組特征(面積，數(shù)目，灰度分布，高度分布)用于研究SD OCT視網(wǎng)膜圖像中硬性滲出與高反射信號(hào)間的關(guān)系。

下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。

附圖說(shuō)明

圖1是本發(fā)明糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法的流程圖。

圖2是構(gòu)建高反射信號(hào)約束區(qū)域的流程圖。

圖3是SD OCT視網(wǎng)膜圖像中高反射信號(hào)所在區(qū)域示意圖。

圖4是SD OCT視網(wǎng)膜圖像約束區(qū)域。

圖5是灰度漸變距離圖像。

圖6是IS/OS邊界圖像。

圖7是高反射信號(hào)約束區(qū)域圖像。

圖8是高反射信號(hào)種子點(diǎn)集合圖像。

圖9是高反射信號(hào)區(qū)域二值結(jié)果。

圖10是高反射信號(hào)區(qū)域輪廓。

圖11是CFP眼底圖像與SD OCT投影圖像配準(zhǔn)的結(jié)果，其中圖11(A)為待配準(zhǔn)的CFP眼底圖像，圖11(B)為SD OCT投影圖像，圖11(C)為配準(zhǔn)后疊加的圖像，圖11(D)為配準(zhǔn)后裁剪得到的眼底圖像。

圖12是裁剪后CFP眼底圖像中硬性滲出分割的結(jié)果，其中圖12(A)為裁剪后的眼底圖像，圖12(B)為硬性滲出分割結(jié)果，圖12(C)為剔除假硬性滲出后的結(jié)果。

圖13是結(jié)合SD OCT視網(wǎng)膜圖像和CFP眼底圖像分析高反射信號(hào)和硬性滲出的結(jié)果圖，其中圖13(A)為裁剪得到的眼底圖像，圖13(B)為眼底圖像中硬性滲出區(qū)域和SD OCT投影圖像中高反射信號(hào)區(qū)域?qū)Ρ葓D，圖13(C)和(D)分別為SD OCT視網(wǎng)膜圖像其中兩幀的硬性滲出和高反射信號(hào)區(qū)域的對(duì)比圖。

圖14是SD OCT視網(wǎng)膜圖像中硬性滲出和高反射信號(hào)在灰度分布和高度分布上的統(tǒng)計(jì)結(jié)果，其中圖14(A)為灰度分布統(tǒng)計(jì)結(jié)果，圖14(B)為高度分布統(tǒng)計(jì)結(jié)果。

圖15是SD OCT視網(wǎng)膜圖像中硬性滲出和高反射信號(hào)在面積和數(shù)目上的相關(guān)性分析結(jié)果，其中圖15(A)為兩者在面積上的相關(guān)性分析結(jié)果，圖15(B)為兩者在數(shù)目上的相關(guān)性分析結(jié)果。(圖14和圖15中，左邊圖為對(duì)于非增殖性糖尿病性視網(wǎng)膜病變NPDR的分析結(jié)果，右邊圖為對(duì)于增殖性糖尿病性視網(wǎng)膜病變PDR的分析結(jié)果)

具體實(shí)施方式

結(jié)合圖1，本發(fā)明糖尿病性視網(wǎng)膜病變圖像中硬性滲出與高反射信號(hào)的分析方法包括以下步驟：

步驟1、采集SD-OCT視網(wǎng)膜圖像和CFP眼底圖像，采用現(xiàn)有的OCT成像設(shè)備和CFP成像設(shè)備對(duì)視網(wǎng)膜圖像進(jìn)行采集；

步驟2、采用雙邊濾波算法對(duì)輸入圖像進(jìn)行去噪處理，雙邊濾波算法的公式為：

式中f和h分別為輸入和輸出圖像，函數(shù)c(ξ,x)用于測(cè)量鄰域中心點(diǎn)x和鄰域點(diǎn)ξ之間的空間距離，函數(shù)s用于測(cè)量?jī)牲c(diǎn)間的灰度相似性，函數(shù)c和函數(shù)s都是高斯函數(shù)，是歸一化函數(shù)。

步驟3、利用二維的層分割方法定位RNFL和IS/OS，從而限制高反射信號(hào)所在區(qū)域，具體為：

步驟3-1、采用圖論的方法去估計(jì)內(nèi)界膜(ILM)邊界，主要利用垂直方向的梯度和像素灰度構(gòu)造邊的權(quán)值，具體權(quán)值構(gòu)造如下：

式中I_a和I_a為相鄰兩個(gè)像素點(diǎn)a和b的灰度值，g_a和g_b表示像素點(diǎn)a和b的歸一化梯度圖像，λ代表相似度系數(shù)，取值為2.0。是一個(gè)很小的保真項(xiàng)，取值為1×10^-5，*為卷積操作。

然后采用動(dòng)態(tài)規(guī)劃策略求解最短路徑，即ILM邊界，具體最小權(quán)值函數(shù)定義：

且式中w為窗口大小，這里取作2，n_i,j表示圖在第i行，第j列的節(jié)點(diǎn)，i-w≥1，i+w≤M，M是圖一列節(jié)點(diǎn)的數(shù)目。

步驟3-2、從ILM邊界往下一定距離尋找梯度最大處的像素點(diǎn)，即為RNFL下邊界。梯度最大處像素點(diǎn)的集合定義為：

其中i,j表示圖像中的第i行，第j列，Δ取值為90，g為梯度算子，即[1,1,1,1,0,-1,-1,-1,-1]。

步驟3-3、根據(jù)原圖像的灰度漸變圖像結(jié)合曲線擬合的方法分割I(lǐng)S/OS邊界，所述曲線擬合方法為四次多項(xiàng)式曲線擬合，具體為：

步驟3-3-1、首先根據(jù)下式構(gòu)造灰度漸變圖G:

步驟3-3-2、求出灰度漸變圖的梯度圖像，采用濾波器[-1；1]對(duì)灰度漸變圖像進(jìn)行濾波得到灰度漸變圖像的梯度圖。找到梯度圖像中每一列灰度最大的像素點(diǎn)，同時(shí)排除灰度小于最大灰度一半的像素點(diǎn)，然后對(duì)剩下的像素點(diǎn)進(jìn)行曲線擬合得到曲線f₁；

步驟3-3-3、在曲線f₁上方200像素單位距離內(nèi)尋找灰度最大的像素點(diǎn)，根據(jù)最初找到的灰度最大點(diǎn)初次擬合曲線后，排除曲線上方的像素點(diǎn)，再次對(duì)剩下的像素點(diǎn)進(jìn)行擬合，得到曲線f₂；

步驟3-3-4、在曲線f₂上方30像素范圍內(nèi)尋找梯度最大的像素點(diǎn)，并擬合曲線，排除曲線上方的像素點(diǎn)，再次擬合得到最終的曲線，即IS/OS邊界。

步驟4、利用自適應(yīng)閾值法確定高反射信號(hào)種子點(diǎn)集合，并根據(jù)基于人類(lèi)視覺(jué)特性的區(qū)域生長(zhǎng)法分割出高反射信號(hào)區(qū)域的具體步驟為：

步驟4-1、通過(guò)迭代最大類(lèi)間方差法逐步逼近最佳閾值，不斷縮小目標(biāo)區(qū)域的方法來(lái)分割出最終目標(biāo)，即高反射信號(hào)的種子點(diǎn)集合(此處為現(xiàn)有技術(shù)，可參考文獻(xiàn)：王茜,彭中,劉莉.一種基于自適應(yīng)閾值的圖像分割算法[J].北京理工大學(xué)學(xué)報(bào),2013,23(4):521-524.)；

步驟4-2、對(duì)閾值分割后的圖像進(jìn)行膨脹處理，膨脹窗口為[1,1,1；1,1,1；1,1,1]。將剛可分辨亮度差作為區(qū)域生長(zhǎng)的相似性準(zhǔn)則，進(jìn)行區(qū)域生長(zhǎng)。剛可分辨亮度差定義為：

ΔI是關(guān)于圖像灰度I的分段函數(shù)，α，β，C為待定參數(shù)，α取值在[0.01，0.3]之間，中間區(qū)間的起始灰度值a和終止灰度值b可以分別取[45,81]和[180,210]之間。于是，參數(shù)取值為α＝0.05，a＝50，b＝200；根據(jù)在函數(shù)間斷點(diǎn)取值相等可以得到CC＝αa，從而計(jì)算出C和β。

區(qū)域生長(zhǎng)之后，剔除亮斑灰度與其邊緣外5×5范圍像素平均灰度差小于d的假亮斑。邊緣外5×5范圍像素是指以邊緣的每一個(gè)像素為中心，半徑大小為5個(gè)像素的窗口所覆蓋且不屬于亮斑的像素，d取值為20。

步驟5、根據(jù)SD OCT視網(wǎng)膜圖像生成投影圖像，與CFP眼底圖像配準(zhǔn)，獲得裁剪后CFP眼底圖像，具體為：

利用半自動(dòng)的配準(zhǔn)方法來(lái)配準(zhǔn)CFP眼底圖像和SD OCT投影圖像，主要根據(jù)兩者圖像中血管分支點(diǎn)相互對(duì)應(yīng)的原則生成一個(gè)幾何變換模型，基于這個(gè)變換模型可以匹配得到眼底圖像中對(duì)應(yīng)于SD OCT投影圖像的區(qū)域，并裁剪相匹配的眼底圖像用于下一步中硬性滲出的分割。

步驟6、利用多尺度的顯著性檢測(cè)法結(jié)合閾值法分割出裁剪后CFP眼底圖像中的硬性滲出，具體為：

步驟6-1、采用顯著性檢測(cè)方法來(lái)分割裁剪后CFP眼底圖像中的硬性滲出，對(duì)于給定的一個(gè)尺度，像素的顯著性定義為局部區(qū)域和其鄰域像素特征向量的之間的歐式距離：

C_i,j＝||v₁-v₂||

其中，V₁表示圖像局部區(qū)域的像素特征向量，V₂表示鄰域的像素特征向量，使用CIELab彩色空間來(lái)定義像素特征向量，V₁＝[L₁,a₁,b₁]^T，V₂＝[L₂,a₂,b₂]^T，最終在所有不同尺度上的顯著性總和為：

步驟6-2、得到裁剪后CFP眼底圖像的顯著圖后，使用閾值法分割出硬性滲出所在區(qū)域，將分割出的假的硬性滲出，直接剔除。

步驟7、根據(jù)裁剪后CFP眼底圖像定位SD OCT視網(wǎng)膜圖像中的硬性滲出，在SD OCT視網(wǎng)膜圖像中進(jìn)行硬性滲出與高反射信號(hào)的相關(guān)性分析，具體為：

首先根據(jù)匹配后的眼底圖像中硬性滲出的位置確定SD OCT視網(wǎng)膜圖像中的硬性滲出區(qū)域，然后分別提取SD OCT視網(wǎng)膜圖像中硬性滲出和高反射信號(hào)(包含硬性滲出)的灰度分布，高度分布，面積和數(shù)目特征，利用這些特征分析硬性滲出和高反射信號(hào)在SD OCT視網(wǎng)膜圖像中的相關(guān)性，之后通過(guò)相關(guān)性系數(shù)cc，p值和統(tǒng)計(jì)分布來(lái)進(jìn)行分析，最終得出硬性滲出與高反射信號(hào)在面積、數(shù)目、高度、灰度這些特征上存在的關(guān)系。

下面結(jié)合實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)的說(shuō)明：

實(shí)施例

本系統(tǒng)發(fā)明以SD OCT視網(wǎng)膜體數(shù)據(jù)和CFP數(shù)據(jù)作為輸入，采用圖像處理和統(tǒng)計(jì)分析手段對(duì)SD OCT視網(wǎng)膜圖像中的硬性滲出和高反射信號(hào)進(jìn)行相關(guān)性分析。

本實(shí)施例的流程如圖1所示，通過(guò)OCT成像設(shè)備采集到的SD-OCT視網(wǎng)膜體數(shù)據(jù)大小為1024×512×128，圖3給出了一幀SD-OCT視網(wǎng)膜圖像的感興趣區(qū)域，圖中標(biāo)注了視網(wǎng)膜的幾個(gè)主要相關(guān)組織結(jié)構(gòu)，如RNFL下邊界，IS/OS邊界，高反射信號(hào)區(qū)域。為了便于后續(xù)的處理，首先對(duì)輸入圖像進(jìn)行去噪處理，然后采用圖論的方法定位ILM邊界。利用垂直方向梯度和灰度構(gòu)造邊的權(quán)值，采用動(dòng)態(tài)規(guī)劃策略求解最短路徑，并利用定位的ILM邊界估計(jì)RNFL下邊界。由于高反射信號(hào)區(qū)域往往出現(xiàn)在視網(wǎng)膜中間層，首先利用灰度漸變距離圖像估計(jì)脈絡(luò)膜層，依次估計(jì)出Bruch膜(BM)邊界和IS/OS邊界，根據(jù)RNFL下邊界和IS/OS邊界限制高反射信號(hào)檢測(cè)區(qū)域。圖4-7說(shuō)明了IS/OS邊界圖像和高反射信號(hào)檢測(cè)約束區(qū)域圖像。得到高反射信號(hào)檢測(cè)約束區(qū)域圖像后，利用自適應(yīng)閾值法確定高反射信號(hào)種子點(diǎn)集合，如圖8所示。然后根據(jù)基于人類(lèi)視覺(jué)特性的區(qū)域生長(zhǎng)法分割出高反射信號(hào)區(qū)域。高反射信號(hào)區(qū)域分割結(jié)果如圖10所示。

根據(jù)SD OCT投影圖像中和眼底圖像中血管分支點(diǎn)相對(duì)應(yīng)的原則，建立幾何變換模型，進(jìn)行圖像的配準(zhǔn)，并裁剪得到配準(zhǔn)后的眼底圖像。圖11展示了待配準(zhǔn)的CFP眼底圖像(A)，SD OCT投影圖像(B)，配準(zhǔn)疊加后的圖像(C)和配準(zhǔn)后裁剪得到的眼底圖像(D)。

對(duì)于裁剪得到的眼底圖像，運(yùn)用顯著性檢測(cè)結(jié)合閾值法分割出圖像中的硬性滲出。圖12(A)展示了裁剪后的眼底圖像(有棉絨斑)，圖12(B)為硬性滲出分割結(jié)果，圖12(C)為剔除假硬性滲出后的結(jié)果。

根據(jù)眼底圖像中的硬性滲出位置確定SD OCT視網(wǎng)膜圖像中的硬性滲出區(qū)域，SD OCT投影圖像中高反射信號(hào)區(qū)域與眼底圖像硬性滲出區(qū)域重疊的部分則為SD OCT視網(wǎng)膜圖像中的硬性滲出區(qū)域，如圖13所示，其中(A)為裁剪得到的眼底圖像，(B)為眼底圖像中硬性滲出區(qū)域和SD OCT投影圖像中高反射信號(hào)區(qū)域?qū)Ρ葓D，(C)和(D)分別為SD OCT視網(wǎng)膜圖像其中兩幀的硬性滲出和高反射信號(hào)區(qū)域的對(duì)比圖。

對(duì)于SD OCT視網(wǎng)膜圖像中的硬性滲出個(gè)高反射信號(hào)分別提取一組特征，包括面積，數(shù)目，灰度分布和高度分布。然后針對(duì)這些特征分別在這兩者之間進(jìn)行相關(guān)性分析。圖14(A)和(B)分別展示了硬性滲出和高反射信號(hào)在灰度分布和高度分布上的統(tǒng)計(jì)結(jié)果。圖15(A)和(B)分別展示了硬性滲出和高反射信號(hào)在面積和數(shù)目上的相關(guān)性分析結(jié)果。

實(shí)驗(yàn)結(jié)果表明，SD OCT糖尿病性視網(wǎng)膜圖像中硬性滲出和高反射信號(hào)在面積、數(shù)目這兩個(gè)特征存在正相關(guān)的關(guān)系，硬性滲出的平均高度要大于高反射信號(hào)的平均高度，兩者的灰度分布則比較相似。