- 上一篇：云计算服务OpenStack的代数规约描述技术
- 下一篇：asp.net+sqlserver网络新闻采集系统设计
1 绪论
准确检测基于频域光学相干断层图像（即SDOCT图像）的解剖和病理结构对眼部疾病的诊断和研究来说是非常重要的。各种商业OCT系统配备的分割软件主要用于测量神经纤维层和整个视网膜的厚度。对于其它感兴趣的眼部特征，例如感光层厚度、定量数据等，主要通过手动分割获得。手动分割不仅需要专家来完成，而且对临床应用、大规模多中心试验来说相当耗时。而且，手动分割依赖于主观判断，不同的专家会得到不同的结果。文献综述
本文利用图论的知识，提出了一个概念简单且容易实现的自动分割SDOCT图像的RPE层的算法。算法包括图像降噪，平整化处理，搜索区域限制，构造无向图并求权重，用Dijkstra 算法求图的最短路径等几个步骤。其中，平整化处理步骤最耗时，搜索区域限制步骤对分割结果的精确性影响最大。实验结果表明，本算法将大大缩减图像分割和特征提取所需的时间。下图1.1 [16]所示为一个视网膜集中在黑点周围的横断面SDOCT图像，图中所显示的边界线是在专家们的一致认可的情况下画出的。由该图我们可以清晰的看出，在视网膜SDOCT图像中，RPE层是七视网膜层的最下面一层，也是最亮的一层。RPE的下层是choroid，比RPE层暗，RPE的上层是OS层，也比RPE层暗。因此，RPE层上边界的特征是：从上到下由暗到亮，下边界的特征是：从上到下由亮到暗。
图1.1 横截面SDOCT图像（B-scan）的七个视网膜层
各层的名称如下：
Vitreous: 玻璃体
NFL： Nerve Fiber Layer 神经纤维层
GCL： Ganglion Cell Layer神经节细胞层
IPL： Inner Plexiform Layer 内网层
INL： Inner Nuclear Layer 内核层
OPL： Outer Plexiform Layer 外网层
ONL： Outer Nuclear Layer 外核层
IS： Inner Segment 内段
OS： Outer Segment 外段
RPE： Retinal Pigment Epithelium 视网膜色素上皮层
Choroid: 脉络膜
很多论文已经提出了各种不同的分割视网膜层的方法，并取得了不同程度的成功。Fernández提出了一个组合的结构张量和复杂扩散滤波方法，用于取代传统的阈值法[5]。Ishikawa 完成了一个用于层分类的列像素强度分析系统，该系统用均值滤波来去除斑点[6]。Fabritius介绍了一种基于像素强度变化分割ILM和RPE层的方法[7]。Yazdanpanah 利用活动边界分割啮齿动物图片的各个层[8]，Farsiu则利用活动边界分割玻璃疣[9]。Mishra 用一个两阶段、基于核的优化方案，将传统的活动边界法做了扩展[10]。杜克大学Stephanie J. Chiu等人提出的SDOCT图像七视网膜层的自动分割方法采用动态规划和图论的知识，能够高效率、非常精确的分割SDOCT图像的七个视网膜层[16]。该方法对本论文有很大借鉴意义。
事实证明，图割方法在各种医用图像分割中都是很成功的。然而，它最近才被引入到眼睛的SDOCT图像的分割中。Haeker / Garvin 利用径向扫描生成了一个复合3D图像，并做了一个视网膜层的3D图搜索[11、12]，Lee 用多尺度、3D图搜索来分割视神经头[13]。最后，Tolliver 利用分组问题的频谱舍入法在一个相当复杂的数学框架下有效的分割各个层[14]。然而，图割方法比较复杂，因此，本论文将不采用图割方法。我们用图论的知识，给出一个概念比图割方法简单却很精确的分割方法[15]。