(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910238491.6
(22)申请日 2019.03.27
(71)申请人 山东师范大学
地址 250358 山东省济南市长清区大学科
技园大学路1号
(72)发明人 李登旺 吴敬红 牛四杰 孔问问
薛洁 陈美荣 刘婷婷
(74)专利代理机构 济南圣达知识产权代理有限
公司 37221
代理人 杨晓冰
(51)Int.Cl.
G06T 7/11(2017.01)
G06T 7/187(2017.01)
(54)发明名称
基于高斯混合模型聚类的视网膜水肿SD-
OCT图像分割方法和系统
(57)摘要
本发明公开了一种基于高斯混合模型聚类
的视网膜水肿SD -OCT图像分割方法和系统，能够
实现对低质量OCT图像进行自动分割，取得了良
好的分割效果。该方法包括以下步骤：获取待分
割的视网膜SD -OCT图像；对待分割的视网膜SD -
OCT图像进行层分割，得到内界膜和视网膜内边
界的位置坐标；采用高斯混合模型聚类方法待分
割的视网膜SD -OCT图像进行粗分割，得到粗略分
割图；利用距离阈值从粗分割得到的粗略分割图
中筛选出目标区域；利用厚度信息去除目标区域
中伪影区域，
并优化目标区域的边界。权利要求书3页 说明书9页 附图3页CN 110060258 A 2019.07.26
C N 110060258
A
1.一种基于高斯混合模型聚类的视网膜水肿SD -OCT图像分割方法，其特征是，包括以下步骤：
获取待分割的视网膜SD -OCT图像；
对待分割的视网膜SD -OCT图像进行层分割，得到内界膜和视网膜内边界的位置坐标；采用高斯混合模型聚类方法对待分割的视网膜SD -OCT图像进行粗分割，并利用层分割的结果对粗分割后的图像进行区域限制，得到粗略分割图；
利用距离阈值从粗分割得到的粗略分割图中筛选出目标区域；
利用厚度信息去除目标区域中伪影区域，并优化目标区域的边界。
2.根据权利要求1所述的基于高斯混合模型聚类的视网膜水肿SD -OCT图像分割方法，其特征是，所述利用距离阈值从粗分割得到的粗略分割图中筛选出目标区域的步骤包括：
计算粗略分割图中每个像素点到视网膜内边界的距离；
统计粗略分割图中每个像素点到视网膜内边界的距离的概率分布图；
结合视网膜外核层的成像特点和得到的距离概率分布图，分析得出的每个像素点到视网膜内边界的距离的概率在距离0～100像素点之间的峰值；
将所有峰值进行高斯函数拟合，得到高斯函数的均值；
以高斯函数的均值为基准，将高斯函数的起点到均值部分的曲线进行翻转，得到新曲线的零点，将该零点作为距离阈值；
将粗略分割图中像素点到视网膜内边界的距离小于该距离阈值的像素点剔除，得到目标区域。
3.根据权利要求1所述的基于高斯混合模型聚类的视网膜水肿SD -OCT图像分割方法，其特征是，所述利用厚度信息去除目标区域中伪影区域的步骤包括：
计算每个目标区域所对应的内界膜和视网膜内边界之间的最小厚度t，以及目标区域中每个像素点到视网膜内边界的距离d及其中值m、均值a；
将目标区域中每个像素点到视网膜内边界的距离的均值a与每个目标区域所对应的内界膜和视网膜内边界之间的最小厚度t相比，得到比值r；
比较比值r与4的大小，以及均值a与中值m的大小；
当r<4且a4.根据权利要求1所述的基于高斯混合模型聚类的视网膜水肿SD -OCT图像分割方法，其特征是，所述优化目标区域的边界的步骤包括：
定义能量函数；
所述能量函数为：
其中，μ是大于零的固定常量，λ1和λ2是大于零的常量；
N (x ,y)表示以(x ,y)为中心的局部邻域，d (x ,y),(i ,j)是像素点(i ,j)到窗口中心(x ,y)的距离；
权 利 要 求 书1/3页2CN 110060258 A
