基于生物视觉原理的视网膜OCT图像分割

发布时间：2024-04-13 11:57

　　视网膜不同生理层的厚度量化分析对于临床上视网膜疾病诊断和病变估计具有重要意义,其各层厚度测量可通过对视网膜OCT(Optical coherence tomography,光学相干断层成像技术)图像进行分割而得到,因此,发展视网膜OCT图像分割技术对眼科疾病的早期诊断有着极其重要的意义。由于OCT成像技术中光的散射易造成获取的图像中带有许多散斑噪声,以及相邻生理层的反射系数差异较小而造成图像对比度低等,使得区分视网膜生理层结构非常困难。过去,识别视网膜组织特征通常由临床眼科专家手动定位生理层边界完成,这种靠手动分割的方法不仅耗时,而且易受到人为因素的影响,随着OCT技术的改进,发展计算机辅助的视网膜组织层分割的方法越来越重要。人类视觉系统是迄今为止所知道的功能最强大和完善的视觉系统,其具有出色的信息处理能力,能够快速而有效地从大量复杂的场景中提取出有用的信息。特别地,视觉系统能够精确地从杂乱的边缘信息中提取出目标的轮廓,这一能力下起着关键作用的是视觉轮廓整合机制。根据Gestalt“好的连续性”准则对轮廓整合过程的描述,视觉轮廓整合可分为三个阶段:1)轮廓成分提取阶段,即边缘检测,2)...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图１－１视网膜层状结构在ＯＣＴ图像上显示??Ｆｉｇ．?１－１?Ｔｈｅ?ｌａｙｅｒｅｄ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ｒｅｔｉｎａ?ｗａｓ?ｓｈｏｗｅｄ?ｉｎ?ＯＣＴ?ｉｍａｇｅ??

率的三维视网膜断层图像，同时，视网膜ＯＣＴ图像的量化分析变得愈加重要。??视网膜ＯＣＴ图像分割一旦获得断层视网膜ＯＣＴ图像，视网膜层对应的特??定细胞层将被清晰地显现出来，视网膜分层结构在ＯＣＴ图像上显示如图１－１所??示。图１－１包含了?１５层组织，从里到外（对应图１－１中从上....

图２－２联想域［３８’４Ｇ］??Ｆｉｇ．２－２?Ｔｈｅ?ａｓｓｏｃｉａｔｉｏｎ?ｆｉｅｌｄ??

（ａ）嵌入的轮廓?（ｂ）背景元素??图２－１心理物理实验轮廓刺激［４（）］??Ｆｉｇ．２－１?Ｃｏｎｔｏｕｒ?ｓｔｉｍｕｌｕｓ?ｉｎ?ｐｓｙｃｈｏｐｈｙｓｉｃａｌ?ｅｘｐｅｒｉｍｅｎｔｓ??这项研究还发现视觉轮廓检测的能力相对于轮廓曲率的变化（由构成轮廓??的各个Ｇａｂｏｒ对齐的....

图２－１心理物理实验轮廓刺激［４（）］??

偏好的选择性整合产生的。与传统上把一个神经元的视网膜响应曲线描述成感??受野类似，这种细胞功能的模型可以用概念性的术语“联想域”来概括。联想??域的描述如图２２所示。其中方位调制单元之间的连接强度取决于它们的联合相??图２－２联想域［３８’４Ｇ］??Ｆｉｇ．２－２?Ｔｈｅ?ａｓｓ....

图３－１边缘检测性能评估流程［７２］?＾??Ｆｉｇ．?３－１?Ｐｒｏｃｅｄｕｒｅｓ?ｏｆ?ｐｅｒｆｏｒｍａｎｃｅ?ｅｖａｌｕａｔｉｏｎ?ｏｆ?ｅｄｇｅ?ｄｅｔｅｃｔｏｒｓ?ｔ７２］??３．３实验与评估结果??

??３．３．１边缘检测结果??各个算法在视网膜ＯＣＴ图像上的最优边缘检测结果如图３－２所示，图３－２（ａ）??为原始的视网膜ＯＣＴ图像，图３－２（ｂ－ｄ）依次为Ｃａｎｎｙ边缘检测、Ｔｗｏ－ｐａｓｓ、??ＥｄｇｅＦｌｏｗ检测算法的输出结果。从图３－２的检测结果来看，Ｃａｎｎｙ边缘检....

本文编号：3953005