删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

扫频光学相干层析角膜图像轮廓自动提取算法

本站小编 Free考研考试/2021-12-29

摘要:在扫频光学相干层析系统中, 远心扫描模式造成角膜图像中存在伪影、部分结构缺失及低信噪比区域, 影响了角膜轮廓提取的精度. 针对该问题, 本文提出了一种针对低质量角膜图像的轮廓自动提取算法. 该算法首先依据图像标准差分布将图像划分为高、低信噪比区域; 针对高信噪比区域, 通过峰值点定位法获取角膜轮廓; 针对低信噪比区域, 通过连续帧图像间配准叠加实现图像增强, 为低信噪比区域提供参考轮廓点, 再通过权衡参考轮廓点与局部直线拟合结果的优劣, 实现角膜轮廓定位; 最后, 通过全局多项式拟合实现对全区域的角膜整体轮廓信息. 对光学眼模型进行实验, 结果表明, 与已有算法相比, 本文算法对角膜轮廓的提取精度平均提高了4.9%.
关键词: 光学相干断层扫描/
扫频光学相干层析/
角膜/
轮廓提取

English Abstract


--> --> -->
扫频光学相干层析成像(SS-OCT)是一种基于低相干干涉测量的医学成像技术[1-3], 具有非侵入、分辨率高、成像速度快的优势, 近年来, 已成为临床眼科检查角膜的一种标准手段[4,5]. SS-OCT系统获取的角膜轮廓包含角膜曲率及角膜厚度等信息[6], 这些信息是角膜异常定量分析及眼科临床手术的重要依据[7-9]. 由于角膜图像中常含有低信噪比区域与中心饱和伪影, 同时存在轮廓信息缺失及模糊现象[10], 而完整精准的角膜轮廓能够提供更加可靠的病理信息, 因此, 实现对低质量的角膜图像轮廓的精确提取十分必要.
传统的角膜轮廓提取方法采用手动追踪, 但该过程冗长耗时且易出现人为误差. 为克服上述困难, 多种自动提取算法被提出. Li等[11,12]提出结合快速活动轮廓和二阶多项式拟合的方法, 但该方法未考虑中央伪影且易受噪声干扰; Shu和Sun[13]提出基于边缘检测和随机抽样一致的方法, 虽然排除了中央伪影的影响, 但未考虑角膜弱边缘的存在; LaRocca等[14]提出鲁棒性更强的基于图论和动态规划[15]的方法, 虽然能够实现对同时包含伪影及低信噪比区域的角膜轮廓的提取, 但其对低信噪比区域的定位采用Li等[11,12]提出的二阶多项式近似的假设, 定位结果并不精确; Santos等[16]通过深度学习的方法实现对角膜的分割, 但是该方法需要大量临床数据及专业处理平台.
本文提出一种针对SS-OCT系统获取的低质量角膜图像的轮廓自动提取算法, 先根据图像标准差将角膜图像划分为高、低信噪比区域并分别进行轮廓提取, 再通过全局多项式拟合实现区域间的轮廓合并与重整.
SS-OCT成像系统获取的角膜图像因其远心扫描模式造成图像中央区域信噪比较高, 轮廓线条明显, 但含有伪影区域; 角膜两侧信噪比较低, 角膜轮廓较为模糊, 无法单纯利用图像梯度信息进行提取, 同时SS-OCT系统的振镜组高速扫描模式也造成角膜图像轮廓及对比度并非连续均匀的现象. 因此, 针对包含伪影及部分结构缺失的高信噪比区域, 可根据像素的灰度分布来定位峰值点作为角膜轮廓; 针对轮廓信息基本缺失的低信噪比区域, 可通过帧间叠加对角膜图像进行弱边缘增强从而提供部分低信噪比区域的轮廓信息, 同时利用该信息引导角膜轮廓局部直线拟合结果, 使其更加贴近角膜真实轮廓; 针对角膜轮廓非连续均匀的问题, 可通过全局多项式拟合实现对高、低信噪比区域角膜轮廓的整合及提取. 角膜图像轮廓算法流程如图1所示.
图 1 角膜轮廓提取算法流程图
Figure1. Flow chart of corneal contour extraction algorithm

首先根据图像标准差分布将图像划分为高、低信噪比区域; 之后对角膜图像高信噪比区域进行轮廓提取; 接着利用连续多帧图像叠加进行图像增强, 并通过最大类间方差法(OTSU)[17]及中值滤波算法实现对图像背景噪声的滤除; 之后通过权衡局部直线拟合结果及参考轮廓点实现对角膜低信噪比区域的轮廓提取; 最后, 对高、低信噪比区域的所有轮廓点进行全局多项式拟合, 实现对角膜轮廓的自动提取.
2
2.1.角膜高、低信噪比区域划分
-->为实现对角膜图像的分区处理, 首先需要将其划分为高、低信噪比区域. 假设角膜图像大小为M × N, M为A-scan的采样点数, N为A扫描数, 每个像素点的灰度值为I(i,j), 其中i为像素点的行坐标, j为像素点的列坐标. 利用(1)式计算各列像素间的标准差, 为便于观察, 对(1)式的结果进行平滑滤波, 处理结果如图2(a)所示, 其中横轴信息为像素列坐标, 纵轴信息为各列像素的标准差平滑结果. 计算图像各列像素标准差的均值meanall, 并以meanall为阈值对图像进行高、低信噪比区域的分割. 在图2(a)中搜索纵坐标大于meanall的区域, 最终定位高信噪比区域为Region II, 低信噪比区域为Region I, Region III.
图 2 角膜图像高、低信噪比区域划分 (a) 列间标准差平滑结果; (b) 角膜图像高、低信噪比区域划分结果
Figure2. Division between high and low SNR (signal-to-noise ratio) regions of corneal image: (a) Smoothing result of standard deviation between columns; (b) division results of high and low SNR regions of corneal image.

$\begin{split}{\rm{std}}(j) = \; & \sqrt {\frac1{M}{{\displaystyle\sum\limits_{i = 1}^M {{{(I(i,j) - {{\bar I}_j})}^2}} }}},\\ & j = 1,2 \cdots N,~~i = 1,2 \cdots M.\end{split}$

2
2.2.高信噪比区域的轮廓提取
-->由于高信噪比区域轮廓线条明显, 其灰度明显高于背景信号, 一般表现为单列像素中的峰值像素点. 因此对于高信噪比区域的轮廓, 可根据其单列像素的灰度分布进行峰值点提取从而获取角膜轮廓. 由于角膜轮廓部分结构缺失及伪影区域的存在, 导致单列像素峰值点提取过程中存在以下几种情况:
1)角膜上、下表面均不含伪影且不存在结构缺失;
2)角膜仅有一表面含有伪影;
3)角膜上、下表面均含有伪影;
4)角膜某一表面或上、下表面边缘结构缺失.
为解决不同情况下对轮廓点的定位, 首先设定图像灰度均值threshold为判断像素点是否为轮廓点的阈值, 并依据人眼常见病变如高眼压症[18]、远视眼[19]、近视眼[20,21]、青光眼[22]等以及人眼正常生理性变化[23], 设定角膜上下表面轮廓点间距范围为CT_range, 伪影区域范围为Artifact_range.
针对情况1), 可直接搜索单列像素中大于threshold的峰值点及与峰值点间距大于CT_range的次峰值点作为角膜轮廓点. 针对情况2), 在搜索大于threshold的峰值点时, 若同时存在多个像素点灰度相同或极为接近, 且集中在Artifact_range范围内, 说明该像素点集处于伪影区域, 则选取像素点集的中值点(针对灰度相同)或峰值点(针对灰度接近)作为轮廓点, 其余点认定为伪影点, 后续不予处理, 并继续在该列残余像素中搜索与已定位的轮廓点间距大于CT_range的次峰值点作为另一表面轮廓点. 针对情况3), 在搜索大于threshold的峰值点时, 若同时存在多个像素点灰度相同, 且像素点中存在相邻点对的间距超过CT_range时, 则说明上、下表面轮廓点均存在伪影且伪影像素点与峰值点混叠, 因此以相邻点对为界将像素点集分为两部分, 并选取各部分中值点作为轮廓点, 以保证伪影区域的轮廓点尽可能接近真实轮廓. 针对情况4), 当角膜结构缺失时, 说明该列像素中不存在大于threshold的峰值点或存在峰值点但不存在与其间距超过CT_range的次峰值点, 针对这种情况, 可依据后续的局部多项式拟合算法进行缺失结构的填充.
根据上述方法对角膜进行初步轮廓提取的结果如图3(a)所示, 其中红色点表示上表面轮廓点, 绿色点表示下表面轮廓点. 初步提取结果存在一定误差, 其主要来源于两部分: 上下表面灰度分布不均造成轮廓点定位结果与角膜实际结构不符; 孤立噪点引起的定位错误.
图 3 高信噪比区域的轮廓提取结果 (a) 轮廓点初步提取结果; (b) 轮廓点精确提取结果
Figure3. Contour extraction results of high SNR region: (a) Preliminary extraction result of contour points; (b) accurate extraction result of contour points.

针对第一项误差, 可依据轮廓点定位结果的位置信息即坐标值大小将其划分为上、下表面; 针对第二项误差, 可根据角膜结构具有局部稳定性[23]的特征, 计算轮廓点中的所有相邻像素的坐标差值, 取其平均值为diff_mean, 根据多次实验结果, 当某一轮廓点与其相邻像素的坐标差值超过3diff_mean即可认为该点为误差点.
经由上述算法的处理结果如图3(b)所示, 可以看出通过上述算法, 高信噪比区域的角膜轮廓得到精确提取, 伪影部分及缺损结构经由其相邻像素的补充也得到了相对准确的定位.
2
2.3.图像增强
-->单帧角膜图像低信噪比区域与背景信号基本融为一体, 信噪比极低, 无法直接利用灰度分布来获取角膜轮廓. 由于SS-OCT系统成像速度极快, 连续帧角膜图像除少量刚性位移外, 基本可以认为角膜结构不变; 而角膜图像中存在包含散斑噪声[24]在内的多种随机噪声, 因此可以利用对噪声容忍度较高的相位相关[25]算法对连续帧图像进行配准叠加, 帧间叠加过程中利用噪声的随机性对噪声进行抑制同时实现对低信噪比区域角膜轮廓的增强.
经实验验证, 对连续5帧角膜图像进行配准叠加即可在保持角膜结构不变的前提下实现角膜图像轮廓的增强. 由于角膜图像直接叠加会使得伪影区域大面积扩增并出现过饱和现象, 造成伪影与角膜轮廓混叠以至于无法区分. 因此首先利用2.1节分别对单帧图像高、低信噪比区域进行划分, 接着利用2.2节算法分别对单帧图像进行高信噪比区域的轮廓定位, 最后对定位结果进行配准叠加, 得到待处理的角膜增强图像, 实验结果表明, 经配准叠加后的角膜图像低信噪比区域的信噪比从原来的单帧图像的信噪比更高.
2
2.4.图像背景噪声的滤除
-->由于角膜增强图像中大部分像素为背景信息, 因此可通过OTSU算法提取出角膜轮廓信息, 提取结果如图4(a)所示. 由于上述滤波结果中仍存在孤立噪声点, 考虑到需要保持图像的纵向轮廓信息, 而角膜内部的细节信息在轮廓提取时并不重要. 因此对图4(a)结果进行横向中值滤波, 以实现对角膜图像噪声的抑制, 滤波结果如图4(b)所示.
图 4 角膜整体轮廓提取过程 (a) OTSU算法处理结果; (b) 中值滤波处理结果
Figure4. Extraction process of the overall cornea contour: (a) Processing result by OTSU algorithm; (b) processing result by median filtering.

2
2.5.低信噪比区域的轮廓提取
-->以高、低信噪比区域的边界为起始搜索位置进行轮廓点的搜索, 以待定位点的前向多个已定位轮廓点为基础进行局部直线拟合, 并以此预测该待定位点的坐标, 同时权衡2.3节及2.4节提供的部分低信噪比区域参考轮廓结构信息与该预测值的优劣, 确定最佳匹配轮廓点. 设定最佳匹配轮廓点坐标为res, 各像素点前向搜索范围为range, 以预测值为原点的角膜轮廓上下搜索范围为2tolerance, 经实验验证, 本文选取的range = CT_range/4, tolerance = range/5. 具体实现方法如下.
1)对第j列前向range列内的已定位轮廓点进行直线拟合, 得到预测直线polyfit, 由polyfit得到第j列的轮廓点预测值pred(j).
2)对低信噪比区域表面轮廓点进行建模(如图5(a)所示), 在第j列角膜各表面tolerance范围内搜索非零像素点即参考轮廓点nonzero, 若存在nonzero, 则针对角膜上、下表面, 分别进行以下判断:
图 5 低信噪比区域角膜轮廓建模及提取结果 (a)低信噪比区域表面轮廓点建模结果; (b)低信噪比区域轮廓提取结果
Figure5. Modeling and extraction results of corneal contour in low SNR region: (a) Modeling results of surface contour points in low SNR region; (b) contour extraction result of low SNR region.

(a)对于上表面, 若nonzero点坐标大于等于pred(j), 即针对参考轮廓点, 预测值更接近上表面, 则pred(j)为最佳匹配轮廓点(见第11, 10列); 若nonzero点坐标小于pred(j), 则nonzero为最佳匹配轮廓点(见第8列);
(b)对于下表面, 若nonzero点坐标小于等于pred(j), 即针对参考轮廓点, 预测值更接近下表面, 则pred(j)为最佳匹配轮廓点(见第8, 10列); 若nonzero点坐标大于pred(j), 则nonzero为最佳匹配轮廓点(见第11列).
3)若搜索范围内不存在nonzero, 则obs(j)为最佳匹配轮廓点(见第9列).
通过上述方法实现对低信噪比区域的轮廓提取, 最终得到的角膜边缘如图5(b)所示.
2
2.6.角膜完整轮廓提取
-->经过2.12.4节提取的高、低信噪比区域的轮廓点(图6(a))并非平滑连续的角膜结构, 因此需要对提取的轮廓点进行全局多项式拟合, 通过整合高、低信噪比轮廓点的位置信息, 以得到完整的角膜轮廓. 拟合结果如图6(b)所示.
图 6 角膜完整轮廓的提取过程 (a)角膜上下表面轮廓点提取结果; (b) 角膜轮廓拟合结果
Figure6. Extraction process of the complete cornea contour: (a) Extraction results of the contour points in the upper and lower cornea surfaces; (b) fitting result of the cornea contour

为验证本文算法的正确性, 首先搭建一套SS-OCT成像系统对角膜进行成像. 该系统选用中心波长为1060 nm, 带宽为30 nm, 频率为3 kHz, 相干长度为69 mm的扫频光源(AXSUN-1060), 其在组织内的理论纵向分辨率为15 μm. 样品选用光学眼模型, 其角膜折射率为1.376, 角膜厚度为550 μm, 符合正常成人角膜结构参数. 对该样品连续采集5帧图像作为一组, 共计采集10组图像, 采集的每幅图像均包含820条A-scan, 每条A-scan包含350个像素点, 根据系统分辨率计算出角膜实际厚度对应的像素点数为Pstd. 本文采用Intel Core i5-3337U处理器, 4G内存, 以Windows x64系统下的MATLAB 2017b为平台进行实验.
在现有算法中, 只有文献[14]能够同时实现对含伪影及低信噪比区域的角膜图像轮廓的提取, 但其对低信噪比区域的处理采用传统的二项式拟合[14], 所获取的弱边缘轮廓精度较低. 而本文算法利用了低信噪比区域的真实信息引导轮廓结构的提取, 可增强提取精度与可靠性.
为验证本文算法能否实现对低质量角膜图像进行精确的轮廓提取, 分别利用文献[14]中的算法与本文算法对获取的10组角膜图像进行处理, 两种算法在实验平台上的平均数据处理时间分别为9.6 s和8.9 s.
处理的其中一组结果如图7(a)所示, 其他组实验与该结果类似. 图中的红色和玫红色曲线为本文算法的提取结果, 蓝色和绿色曲线为文献[14]提取结果, 局部图A为角膜上表面提取结果, 局部图B为角膜下表面提取结果, 局部图C为含伪影部分的高信噪比区域提取结果; 分别计算两种算法获取的角膜各位置的平均厚度, 计算结果如图7(b)所示, 图中蓝色曲线表示本文算法获取的角膜厚度值与Pstd间的偏差随位置信息的变化情况, 绿色曲线为文献[14]获取的角膜厚度值与Pstd间的偏差随位置信息的变化情况, 其中, 红色直线为角膜实际厚度Pstd; 分别计算两种算法在高、低信噪比区域提取结果与Pstd间的平均误差值与偏差率, 结果如表1所示.
图 7 两种算法效果对比 (a)两种算法轮廓提取结果; (b) 两种算法角膜厚度平均计算结果
Figure7. Comparison of the effects of the two algorithms: (a) Results of the contour extraction of the two algorithms; (b) results of the corneal thickness calculated by the two algorithms.

评价指标文献[14]本文算法精度提高值/%
平均误差值/pixels2.80.94.9
偏差率/%7.22.3


表1两种算法对角膜轮廓平均提取精度对比
Table1.Comparison of the accuracy of two algorithmsfor contour extraction of high and low SNR regions.

图7(a)的小图A, B及图7(b)可以看出, 在低信噪比区域, 本文算法提取的角膜轮廓更加贴近角膜上下表面. 由图7(a)的C可以看出, 在高信噪比区域, 本文算法与文献[14]的提取结果相近, 两种算法相较于角膜的实际标准尺寸的平均测量偏差分别为7.2%和2.3%. 本文算法获取的角膜厚度更加接近角膜实际厚度, 平均提取精度较文献[14]的提高了4.9%.
本文提出了一种针对低质量的SS-OCT角膜图像的轮廓自动提取算法, 无需手动追踪角膜轮廓, 直接通过对高、低信噪比区域分别处理即可提取出低质量角膜图像的角膜轮廓信息. 该算法通过帧间叠加实现了图像增强, 继而引入了角膜的实际轮廓信息作为权衡因子, 增强了算法的鲁棒性. 与目前仅有的能够处理既存在伪影又存在低信噪比区域图像的角膜轮廓提取算法相比, 本文算法对低信噪比区域角膜轮廓的提取精度更高, 能够为后续低质量角膜图像轮廓的精确提取提供重要依据.
相关话题/图像 信息 结构 系统 角膜

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 垂直腔面发射激光器与异质结双极型晶体管集成结构的设计和模拟
    摘要:垂直腔面发射激光器(verticalcavitysurfaceemittinglasers,VCSELs)和异质结双极型晶体管(heterojunctionbipolartransistor,HBT)都是纵向电流器件,可以集成在同一外延片上,通过HBT基极电流调制VCSELs的输出光功率.本文 ...
    本站小编 Free考研考试 2021-12-29
  • Fe<sub>3</sub>GeTe<sub>2</sub>纳米带的结构稳定性、磁电子性质及调控效应
    摘要:Fe3GeTe2是目前发现的少数几种二维铁磁材料之一.基于密度泛函理论的第一性原理方法,我们对二维Fe3GeTe2剪裁而成的纳米带NR(n)的结构稳定性和磁电子学特性进行了详细研究.计算的结合能及分子动力学模拟表明纳米带的结构是非常稳定的.纳米带呈现较大的磁矩及磁化能,这说明它们具有较高的磁稳 ...
    本站小编 Free考研考试 2021-12-29
  • 基于心脏电影磁共振图像的一种新的右心室多图谱分割方法
    摘要:基于心脏电影磁共振图像的右心室(RV)分割,对心脏疾病的诊疗及预后有着十分重要的意义.右心室结构复杂,传统图像分割方法始终未能达到较高的精度.多图谱方法通过配准和融合来实现RV分割,是近几年RV分割中的主要方法之一.本文提出一种新的右心室多图谱分割方法,能够实现RV的全自动准分割.本文首先采用 ...
    本站小编 Free考研考试 2021-12-29
  • 基于光学Parity-Time对称微腔结构的大范围电场传感器
    摘要:为解决传统电场传感器测量范围受限的技术难题,设计了一种基于光学Parity-Time(PT)对称掺杂电光介质的微腔结构,提出新的电场传感机制.利用传输矩阵方法计算结构的传输谱,发现独特的放大的缺陷模式.缺陷模式的峰值和波长位置均随外电场变化,由此可以利用缺陷模峰值变化和波长位置变化两种机制测量 ...
    本站小编 Free考研考试 2021-12-29
  • 有限温度下腔光机械系统中<i>N</i>个二能级原子的相变和热力学性质
    摘要:研究了含有非线性相互作用的腔机械系统中N个二能级原子在有限温度下的相变和相关的热力学性质,采用虚时路径积分方法推导出系统的配分函数,求得系统的有效作用量.通过对有效作用量进行变分得到系统的热力学平衡方程和原子布居数期待值的解析表达式,重点研究了原子-场耦合强度、非线性原子-光相互作用、非线性声 ...
    本站小编 Free考研考试 2021-12-29
  • 对称纳米棒三聚体结构的Fano共振特性研究
    摘要:利用时域有限差分方法,理论研究了由中间短棒和两侧长棒构成的对称金纳米棒三聚体结构的光学性质,分析了结构参数和介电环境对其Fano共振特性的影响.结果表明:随着中间短棒长度、三棒整体尺寸或短棒两侧介质折射率的减小,Fano共振谷蓝移;棒间距的增大同样导致Fano共振谷蓝移,但边棒长度的变化对Fa ...
    本站小编 Free考研考试 2021-12-29
  • Au纳米颗粒负载WO<sub>3</sub>纳米花复合结构的二甲苯气敏性能
    摘要:本文采用水热法成功制备了Au纳米颗粒负载的WO3纳米花材料,并运用XRD,SEM,TEM等手段对其晶体结构和形貌进行了表征,并详细研究了其对二甲苯的气敏性能.首先对Au的浓度和气敏元件的工作温度进行了优化,结果表明,0.4μlAu纳米颗粒负载的WO3对二甲苯的灵敏度最高,最佳工作温度为250℃ ...
    本站小编 Free考研考试 2021-12-29
  • 分形结构稀疏孔径阵列的成像性能
    摘要:根据分形的自相似性理论提出一种分形稀疏孔径阵列结构.该阵列是以Golay-3为分形结构单元,按自相似方式扩展构成的一种多层分形阵列结构.采用无量纲约化参数对其结构进行表征,给出光瞳函数和调制传递函数解析表达式.通过数值计算分形结构在不同填充因子和不同外层旋转角下的调制传递函数、实际截止频率和中 ...
    本站小编 Free考研考试 2021-12-29
  • 形状记忆合金薄板系统全局激变现象分析
    摘要:形状记忆合金在工程应用中的难点主要来自于系统在温度和外载荷作用下产生的复杂全局动力学行为.本文以形状记忆合金薄板动力系统为研究对象,分析在温度和激励振幅两个控制参数作用下系统的全局动力学.通过全局分岔图,可以观测到系统会发生复杂的激变现象,然后利用复合胞坐标系方法,获取系统的吸引子、吸引域、鞍 ...
    本站小编 Free考研考试 2021-12-29
  • 可移动三维主动减振系统及其在原子干涉重力仪上的应用
    摘要:振动极大地影响着许多精密仪器的灵敏度和稳定性,对于冷原子干涉重力仪尤其如此.针对可移动的原子干涉仪建立了一套易于搬运的三维主动减振系统用来有效隔除地面的振动,从而提高可移动原子干涉仪的测量灵敏度,并能做到迅速部署迅速恢复工作.通过实施我们设计的综合反馈算法,本装置在三个维度的宽频带范围上实现了 ...
    本站小编 Free考研考试 2021-12-29