基于SD-OCT图像的中浆病变区域分割(2)
3.2.2 实验结果分析 15
3.3 算法修正 15
3.3.1 病变存在性检测 15
3.3.2 过分割修正 16
3.3.3 漏分割修正 16
3.4 实验结果及分析 16
3.4.1 定性评价标准 17
3.4.2 NED分割结果分析 17
3.4.3 PED分割结果分析 20
3.4.4 PED & NED分割结果分析 21
3.4.5 算法总结展望 22
3.5 本章小结 22
结 论 23
致 谢 24
参考文献25
1 绪论
1.1 光学相干层析成像背景介绍
最早于1991年D.Huang等提出了光学相干层析成像（Optical Coherence Tomography）的概念[1]，因为其具有无侵害的特点，医学上OCT被广泛使用。又由于频域OCT（SD-OCT）无需纵向扫描即可得到深度位置的全部特征信息，因此成像速度比传统时域OCT（TD-OCT）快，更加适合应用于眼科疾病成像及诊断[2]。
本文中研究的对象均为对眼底黄斑区域成像所得的OCT图像[24]，一只眼睛的成像结果包含有128帧图像，单帧分辨率为512*1024，体数据大小为6mm*2mm*6mm。SD-OCT图像成像的结构图如图1.1所示。
图1.1 SD-OCT成像示意图
1.2 视网膜SD-OCT图像各层结构介绍
视网膜可分为10层，由于各层组织的光反射率不同，借助这个特性可以获得层次分明的图像。图1.2给出了视网膜结构的示意图。
图1.2 视网膜结构示意图
上图中已通过数字加名称缩写标注出各层的边界，各层的完整命名如表1.1所示。
表1.1 视网膜层结构名称详注
英文简称 具体含义
NFL 神经纤文层
GCL 神经节细胞层
IPL 内丛状层
INL 内核层
OPL 外丛状层
ONL 外核层
IS 感光细胞层内节
OS 感光细胞层外节
RPE 神经色素上皮层
Choroid 脉络膜
1.3 视网膜层分割的研究现状
针对如今主流的层分割方法，归为4类：(1)基于主动轮廓的方法[3]，但是，主动轮廓模型速度慢，此外对初始点的选取比较敏感[4]。(2)自适应阈值分割的方法[5]，但SD-OCT图像存在血管，会使得区域灰度变得不连续，影响结果。(3)基于SD-OCT图像统计信息的特征提取方法[6]。可是一些图像的边缘不是很明显而且整个图像不清晰，会严重削弱效果。(4)基于随机过程的分类或者聚类方法[7]。但是这个算法效率较低。但是这四种算法都只是基于单幅图像，帧与帧之间的信息没有被挖掘使用。而基于图论的分割方法的出现，为视网膜OCT图像层分割打开了一扇新的大门。
1.4 中浆病变相关介绍
中心性浆液性脉络膜视网膜病变(central serous chorioretinopathy，CSC)，简称“中浆”，其显著特征在于局限性浆液性神经上皮脱离，该病变多发于青年及中年男性，且多为单眼发病，有自愈和复发倾向，其发病机制是由于RPE细胞的屏障功能受损，导致视网膜神经上皮下出现脉络膜毛细血管的渗漏液，最后神经上皮出现浆液性的脱离。
1.5 中浆病变的图像特征及研究意义
CSC病变在OCT图像上的表现特征[8]包括以下三个方面：（1）神经上皮层脱离(NED)：OCT图像中可以看到神经上皮层开始隆起，厚度如果增加，就可能出现水肿及囊肿，其下是无反射的暗区，主要是因为液体积聚，液腔遮挡使得色素上皮带反光降低（图1.3）；（2）色素上皮层脱离(PED)：OCT图像中神经上皮层隆起，色素上皮层也如此，从而与脉络膜分离，液腔在它们的中间（图1.4），色素上皮层是高反射层，呈红色；（3）神经上皮层和色素上皮层一起脱离(NED & PED)：OCT图像中神经上皮层脱离色素上皮层，有时也会出现在脱离的神经上皮层外（图1.5）。