基于图搜索和梯度弱化SDOCT图像ILM层分割.docVIP

基于图搜索和梯度弱化SDOCT图像ILM层分割 　　摘 要： 频域光学断层相干扫描（SDOCT）图像针对视网膜中的RNFL层的精确检测，对于一些眼科疾病诊断有很好的参考价值，需要精确分割该层的上表面ILM边界。给出一种3D图搜索与梯度弱化方式相结合的分割ILM表面的方法，提出一种梯度弱化的方法，弱化了图像中其他高对比度区域的梯度，降低其他层对ILM表面分割的干扰，从而在图像中仅有在ILM表面附近较大梯度的前提下，利用经典三维图搜索方法实现对ILM表面的精确分割。分割过程中采用多尺度的分割方法，降低了三维图搜索算法本身时间复杂度和空间复杂度。采用斯坦福大学的25对眼睛的频域光学相干断层（SDOCT）图像，共50组3D图像体数据实验，结合ITK?SNAP软件的半自动分割结果进行实验对比。实验结果表明给出的方法对50组数据中的43组数据能够实现ILM表面的快速精确分割。 　　关键词： 3D图搜索； 梯度弱化； 多尺度分割； ILM表面分割 　　中图分类号： TN919?34； TP391 文献标识码： A 文章编号： 1004?373X（2015）04?0106?05 　　0 引 言 　　OCT图像层分割在常见的眼科疾病中（青光眼、AMD（Age?Related Macular Degeneration，老年黄斑性变性））对于病变区域的诊断有很高的参考价值 [1]。图1给出了一帧黄斑中央凹附近区域单帧的图像分层示意图。 　　近年来针对视网膜分层的方法主要包含如下几类。文献[2]提出基于区域增长的分割方法，该方法不能保证所求表面全局最优；Kajic等人给出了一种基于图像纹理和形状统计信息的边缘特征提取分割算法，医学图像的纹理特征提取相对比较困难[3]； 文献[4]采用结合形态学的边缘提取方法，该方法针对部分边缘不明显的医学图像效果不甚好，没有利用帧间信息；文献[5]给出了基于水平集方法分割OCT图像，其对应的符号距离函数的计算量较大。以上几类分割方法均以OCT图像的一个B?Scan（一帧切片图像）为单位进行图像分割，没有充分考虑连续图像帧与帧之间相对连续关系；目前基于图论的分割方法可分成2D和3D两类。2D的图论算法的图像分割单位针对单帧图像。文献[6]采用图搜索的方法对OCT视网膜图像进行层分割，利用Dijkstra算法搜索出最短路径，逐步区域限制分割出各个视网膜层，其针对一些边缘不明显图像也需要做部分分割后处理操作。基于3D图论的方法在近年来得到广泛的应用。3D图搜索采用构图的方法，给出了多表面同时分割的理念并引入3D子图间限制，最终转换成求解一个4D结构图的最优解问题，目前Dufour等人在3D图搜索基础上又给出了先验信息模型的概念，并结合先验信息模型给出了软限制构图的思想，但依然需要层与层之间约束构图同时分割求解，不能做到简单，单独分割某层[7]。如图1所示。其中表面标记从上到下分别为内界膜（Internal Limiting Membrane，ILM），INL?OPL（Inner nuclear layer? Outer plexiform layer），OPL?ONL（Outer plexiform layer? Outer nuclear layer），IS?OS（photoreceptor innerand outer segments），OS?RPE（outer segments?retinal pigment epithelium）和BM（Bruchs membrane）。 　　直接使用3D图搜索算法求解较慢，并且难以单独分割某一层。本文在结合3D图搜索方法基础上，引入一种梯度弱化的方法，并将该方法应用到ILM表面的分割问题上。该方法优势是，第一，能够单独分割ILM层。直接单独分割ILM层可能会产生误分割，常采用3层同时分割才可分出ILM层，当仅需分割ILM层时不甚合理；第二，利用梯度弱化后结合3D图搜索分割ILM层会加快图搜索的速度，原因是仅保持ILM表面附近较大梯度，其他区域梯度较小且相对一致，顶点权重w的计算方式导致构图过程很多顶点权重为0，在将3D图搜索转化成求解最小割问题后，这些点会排除在s?t图以外，大大减少s?t图中的边数，加快求解最小割速度。 　　1 方 法 　　本节给出梯度弱化方法的概念及算法实现。算法实现流程如图2所示。 　　1.1 3D图搜索算法模型 　　3D图搜索算法能量函数分成权值能量部分项和平滑约束能量部分项。构造图中的边分成两种类型有向边：列内偏序关系边和列间限制关系边。假设每列当中上下相邻的两个顶点坐标形式为V（x，y，z），V（x，y，z-1），则列内偏序关系边可表示为如下形式： 　　[Edgeintra={V（x，y，z），V（x，y，z-1）|z≥1}