眼底OCT图像中糖尿病性黄斑水肿的分割

糖尿病性黄斑水肿(DME)是导致成年人失明的主要原因之一,它的病理特征主要表现在视网膜内黄斑处液体的积聚。由于光学相干层析成像(OCT)具有无创性、成像安全快速等特点,在临床上被广泛用于眼科疾病的诊断。本文提出一种分割OCT图像中糖尿病性黄斑水肿的方法,首先通过对图像的预处理,排除散斑噪声和血管对最终分割结果的影响,再用改进的水平集方法有效地解决分割的问题,并计算水肿区域的面积,为后期的临床诊断治疗提供定性和定量的工具,最后将本文方法在15个患有DME成人的OCT视网膜图像上进行验证。结果表明:囊状水肿分割的精确度、灵敏度和Dice相似性系数分别为81.12%、86.90%、80.05%。

基于双域滤波算法的OCT图像去噪

光学相干断层扫描(OCT)作为眼科疾病的重要诊断手段之一,具有巨大的发展潜力。OCT图像中含有大量的散斑噪声,会影响图像病理信息的检测和提取。提出一种去除OCT图像散斑噪声的方法,依据散斑噪声的乘性特性建立了乘性噪声模型。针对双域滤波中产生的伪吉布斯现象,引入各向异性扩散获得引导图像,代替了算法中的自身引导,减少了迭代次数。结果显示,所提方法提高了算法效率与图像质量,算法运行时间大幅度下降,图像峰值信噪比(PSNR)提高到36dB,结构相似性(SSIM)和边缘保持系数(EPI)分别达到0.8和0.7左右,有效抑制了OCT图像中的散斑噪声。

基于小波分解金字塔的OCT图像特征提取算法

糖尿病性黄斑水肿(DME)是导致失明的主要原因之一,由专业的医生通过检查光学相干扫描(OCT)图像是主要的诊断方法,但这一过程不仅耗时而且容易误判,提出一种辅助诊断模型来区分DME和正常黄斑。对原始OCT图像进行降噪、展平、裁剪预处理,得到易于分类的病灶区图像,在小波分解金字塔模型的基础上用局部二值模式方法对原图和低频子图像提取纹理特征;与提取细节图像的灰度-梯度共生矩阵特征融合形成最终的全局特征,并对其进行降维;用weka平台的序列最小优化模型进行分类。在杜克大学数据集和临床数据集上的试验结果表明,算法在两个数据集上验证的准确率分别为95.7%、95.3%,灵敏性分别为95.3%、95.5%,特异度分别为96.0%、95.1%。因此,所提方法能有效对OCT图像分类,为临床上视网膜疾病辅助诊断提供技术支撑。