基于Hessian矩陣和區(qū)域生長(zhǎng)的脈絡(luò)膜血管自動(dòng)檢測(cè)

邢琳 張旭 葉雨靜 秦磊 沙雨純 朱偉芳 石霏

摘要：脈絡(luò)膜血管自動(dòng)檢測(cè)在臨床上具有重要意義，可通過觀察分析脈絡(luò)膜血管的形態(tài)、厚度等信息對(duì)多種眼底疾病進(jìn)行診斷。為輔助臨床診斷，提出了一種新的基于SD-OCT圖像的脈絡(luò)膜血管自動(dòng)檢測(cè)方法。首先檢測(cè)出色素上皮層下邊界，確定感興趣區(qū)域（Volume of Interest，VOI），然后對(duì)圖像進(jìn)行基于灰度線性變換的增強(qiáng)以及三維塊匹配濾波等預(yù)處理，隨后采用Hessian矩陣對(duì)血管進(jìn)行初步提取，提取結(jié)果作為目標(biāo)區(qū)域的種子點(diǎn)，進(jìn)一步用三維區(qū)域生長(zhǎng)方法檢測(cè)完整的血管區(qū)域，并通過形狀信息排除誤檢以及形態(tài)學(xué)濾波對(duì)檢測(cè)結(jié)果進(jìn)行后處理。測(cè)試結(jié)果表明，該方法是一種有效的脈絡(luò)膜血管自動(dòng)檢測(cè)方法。

關(guān)鍵詞：脈絡(luò)膜血管；Hessian矩陣；區(qū)域生長(zhǎng)；三維塊匹配濾波

DOIDOI：10.11907/rjdk.161164

中圖分類號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2016）006-0132-05

參考文獻(xiàn)：

[1]L WU N，ALPIZAR ALVAREZ.Choroidal imaging by spectral domainoptical coherence tomography[J].Taiwan Journal of Ophthalmology，2013，3（1）：3-13.

[2]M HOPE-ROSS，L A YANNUZZI，E S GRAGOUDAS，et al.Puliafito，adverse reactions due to indocyanine green[J].Ophthalmology，1994（101）：529-533.

[3]MOTAGHIANNEZAM SM，KOOS D，F(xiàn)RASER SE.Differential phasecontrast，swept-source optical coherence tomography at 1060 nm for in vivo human retinal and choroidal vasculature visualization[J].J Biomed Opt，2012（17）：026011.

[4]N R MAHAJAN，R C R DONAPATI，S S CHANNAPPAYYA，et al.An automated algorithm for blood vessel count and area measurement in 2-D choroidal scan images[J].Engineering in Medicine and Biology Conference （EMBC），Osaka，Japan，2013（23）： 3355-3358.

[5]V KAJIC ，E MARIEH，G CARL，et al .Automated threedimensional choroidal vessel segmentation of 3D 1060 nm OCT retinal data[J].Biomedical optics express，2013，4（1）：134-150.

[6]Z HU，X WU，Y OUYANG，et al.Semiautomated segmentation of the choroid in spectral-domain optical coherence tomography volume scans[J].Investigative ophthalmology & visual science，2013，54（3）：1722-1729.

[7]SRINATH N ，PATIL A ，KUMAR V K，et al.Automated detection of choroid boundary and vessels in optical coherence tomography images[C].2014 36th Annual International Conference of the IEEE Engineering in Medicine and Biology Society （EMBC），2014.

[8]PAL N R，MACHINE INTELL，UNIT INDIAN STAT，et al.A review on image segmentation techniques[J].Pattern Recognition，1993，26（9）：94-1277.

[9]K DABOV，A FOI，V KATKOVNIK，et al.Image denoising by sparse 3-D transform-domain collaborative filtering[J].IEEE Transactions on Image Processing，2007，16（8）：2080-2095.

[10]SATO Y，WESTIN CF，BHALERAO A.Tissue classification based on 3D local intensity structures for volume rendering[J].IEEE Trans Vis Computer Graphics，2000（6）：160-179.

[11]SATO Y，NAKAJIMA S，SHIRAGA N，et al.Three-dimensional multiscale line filter for segmentation and visualization of curvilinear structures in medical images[M].Med Image Anal，1998.

[12]FRANGI AF，NIESSEN WJ，VINCKEN KL，et al.Multiscale vessel enhancement filtering[M].New York，NY： Springer- Verlag，1998：130-137.

[13]LEVINE M D，NAZIF A M.Dynamic measurement of computer generated image segmentations[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1985，7（2）：64-155.

[14]S C ZHU，A YUILLE.Region competition：unifying snakes，region growing，and bayes/mdl for multiband image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1996，18（9）：884-900.

[15]ZHU S C，YUILLE A.Region competition：unifying snakes，region growing，and bayes/mdl for multi-band image segmentation[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1996：884-900.

[16]章毓晉.圖像工程（上冊(cè)） 圖像處理[M].第3版.北京：清華大學(xué)出版社，2012.