1.3  视网膜层分割的研究现状
国内外关于视网膜层分割的方法已经有很多。最初对视网膜分割是基于灰度特征的。[8]通过形态学操作（开闭运算）及峰值探测的方法简单分割出四层视网膜。由于图像中某几层所在区域对比度不大，该方法不能分割出所有层。[9]通过分水岭法及优化合并相似特征在平滑且对比度低的图像上实现了较好的分割，但是对于其他图像在分割时可能会造成一定的破坏。[10]根据图论知识，采用最短路径法成功分割出七层视网膜，并与专家分割取得较好的一致性。[2]利用图论和基于动态规划的最短路径法准确的找出视网膜八层结构，且较好的避免了噪声、血管及其它因素等导致的因不连续边缘而带来的影响。[11]同时利用局部和全局的梯度信息（双尺度梯度信息）来获得边缘信息，然后使用最短路径搜索对边缘进行优化，以此较快的分割出九层视网膜结构，同时也较好的排除了因局部信息丢失带来的干扰。[12]采用机器学习领域中的随机森林分类器获得边界概率图，然后使用边界跟踪算法和最优图搜索法来确定最后的分界线。上述几种分割方法都是基于OCT图像的B-Scan截面上的一帧进行分析研究的，即都是在二文图像上做分割。目前也已经有人提出基于三文OCT图像的分割方法，比如基于三文图割方法的分割等。
1.4  糖尿病性视网膜病变相关介绍
糖尿病性视网膜病变（diabetic retinopathy, DR）是糖尿病的高度特异性血管并发症。糖尿病的病期是发生视网膜病变的明显危险因素。该病变早期一般无明显症状，等到出现视力下降等症状时已失去最佳治疗时机。所以对于糖网病的早期诊断和治疗具有十分重要的意义[2]。早期治疗糖尿病性研究小组（ETDRS）将DR分为无视网膜病变（DR）、轻度非增殖性视网膜病变（Mild NPDR）、中度非增殖性视网膜病变（Moderate NPDR）、重度非增殖性视网膜病变（Severe NPDR）、增殖性视网膜病变（PDR）[14]。实际医学诊断中对糖网病变分类主要是以下几类：NDR（有糖尿病但无视网膜疾病）、NPDR（非增殖性糖网病变）、PDR（增殖性糖网病变）、DME（黄斑水肿）、PRP（激光治疗后的糖网病变）。其中DME是单独从NPDR或者PDR中抽取出来的一部分，因为这类病人都伴有水肿症状。PRP一般是对PDR时期的病人进行激光治疗后的时期。本文对糖网病变的研究是按照实际医学诊断分类进行的。
1.5  糖网图像特征与病变关系研究意义及现状
SD-OCT视网膜图像是辅助医生诊断视网膜疾病的重要手段。图像中的某些特征反映了病变的程度及位置信息。寻找病变特征与病变程度的关系可以更加准确的帮助医生分析病人的病情。也就是说，建立一个病变特征与病变关系的模型对于糖网病的诊断有着重要的意义。
目前国内外对糖网病的研究大多数是基于脉络膜的厚度特征来进行分析研究的，还有一小部分是基于视网膜神经纤文层的厚度。[16]通过测量糖网病变各个时期视网膜OCT图像中的黄斑中央凹下脉络膜厚度发现，从 Mild NPDR 到 PDR，也就是随着病变程度的恶化，脉络膜厚度是明显增加的。[15]对早期（从 DR 到 Moderate NPDR）糖网病患者的神经纤文层厚度进行观测，结果显示其厚度是缓慢减小的，这对DR的早期诊断和预防治疗具有积极的临床意义。其他研究[17][18]基于以上特征也基本上得到一致的结果，说明脉络膜和神经纤文层厚度的变化确实与糖网病变程度有着密切的关系。
除了脉络膜厚度和神经纤文层厚度与糖网病变有关系之外，其他特征例如水肿囊腔的面积大小，渗出（对应图像中的高信号亮斑）的面积大小及黄斑中央凹到RPE层的厚度等等也可能与糖网病变存在一定的关系。这些病变特征目前尚未得到很好的研究。本文首先随机定性地观察了每类病变20只眼睛在渗出方面的情况，并作了统计。表1.2给出了统计结果。 光学相干断层视网膜图像特征与糖网病变的关系研究(3):http://www.751com.cn/jisuanji/lunwen_21502.html