童何俊等：基于参考模型的视网膜特征量化 ·1223· with the retinal thickness,smoothness,and continuity,the thickness characteristics,thickness ratio characteristics,gradient character- istics,curvature,standard deviation,and correlation coefficient characteristics of different regions of the retina were calculated.On the basis of the reference model of normal OCT images,the quantitative values of retinal thickness and morphological characteristics were obtained.By analyzing and comparing the characteristic value differences between abnormal OCT images and reference model,the loca- tion and severity of abnormal morphology caused by lesions could be characterized in the abnormal OCT images.The experimental re- sults show that the normal retinal feature information obtained by the reference model can provide a numerical reference for ophthalmolo- gists.At the same time,the characteristic values obtained by quantizing the abnormal OCT images can show the abnormal morphology, which provides a basis for subsequent abnormal judgment. KEY WORDS optical coherence tomography;image processing;retinal reference model;feature quantization;abnormal analysis 光学相千断层成像(optical coherence tomo- 层光学强度的定量分析来判别视网膜中央动脉阻 graphy,OCT)是一种能够快速获得视网膜微观结构 塞.Hu等[2]通过半自动分割与量化分析厚度，微 图像的活体成像技术).视网膜OCT图像包含大 视野灵敏度，视敏度等特征来判断三类异常膜类别. 量有利于眼底病诊断的信息，常用于发现眼底的微 Rashno等I]利用图算法实现糖尿病黄斑水肿OCT 小病变.目前已有不少医学研究者利用OCT获取 图像中囊肿区域的自动分割.这些研究丰富了医学 视网膜统计特征来分析各种不同的眼底疾病，如糖 图像领域的研究，改善医学影像的视觉质量，实现医 尿病视网膜病变引起的黄斑水肿)]，非新生血管年 学影像中关键部位的自动分割、提取和识别.但是 龄相关性黄斑病变引起的玻璃膜疣、色素上皮脱 这类研究往往将研究对象限定在几种特定的眼底病 离[)、视网膜劈裂[4、视网膜前膜、黄斑裂孔、中心 并且对量化特征也进行了针对性选取.在实际的诊 性浆液性脉络膜视网膜病[]等 断过程中，获取的视网膜图像情况复杂，很难局限在 眼科医生在解读视网膜OCT图像时会重点关 某几种已知的异常病例类型范围内. 注图像中易发生病变的位置（黄斑区的内界膜、色 本文针对0CT仪器仅能提供少量数值特征和 素上皮层、神经纤维层等)和利于异常判断的特征 计算机分析限定于几种特定眼底病，不具备普适性 形态（视网膜厚度、整体形态、边界平滑度、连续性 等不足，提出了一种基于正常视网膜参考模型的系 等)，并将图像中特定目标的组织结构形态与已知 列特征量化方法，增加了适用于多种眼底异常分析 的正常形态进行比较.在比较的过程中，医生会在 判别的量化特征，为计算机在线、远程诊断技术的实 脑海中对OCT视网膜图像进行多种量化分析，如视 际应用奠定基础 网膜厚度（比）变化、形态改变量等，进而判断其异 1视网膜组织结构 常严重程度及病变位置.最后根据这些形态差异要 点与医生掌握的疾病类型关联，并给出诊断决策. 视网膜居于人眼球壁的内层，是一层透明的薄 但是目前OCT仪器一般只提供厚度、面积等常用特 膜，包括多层组织学结构，如图1所示.在视网膜的 征数据，而这些数据往往不足以判定疾病.找寻适 后极部有呈浅漏斗状的凹陷区，是人眼的光学中心， 用于眼底异常分析判别的量化特征是本文研究关 称为黄斑区.视网膜黄斑区从解刨学上可细分为3 键点. 个区：①中心凹(fovea),是黄斑区的中心，呈一凹 随着眼底OCT图像在临床诊断中的广泛应用， 面，直径约1.5mm.其中心称为黄斑小凹(foveola), 计算机图像处理与分析技术已被应用于该图像领域 约0.35mm直径.②旁中心凹(parafovea),黄斑外 中.有关视网膜图像分析的研究逐渐受到广大学者 一个宽约0.5mm的环形区域.③中心凹周围区 的重视.Liu等[6-刃利用OCT图像中视网膜的几何、 (perifovea),黄斑周区外一宽约L.5mm的环形区. 纹理、形态等特征来识别正常黄斑与其他三类黄斑 病变，但未分析病变程度.Koprowski等I8]研究了限 2本文方法 定的三类脉络膜疾病的自动分析方法，进行了特征 2.1正常视网膜参考模型 定义与量化.Xu等)对3D视网膜OCT进行神经 临床实践中，医生是通过将视网膜特定目标及 纤维层分割及数据分析，用于青光眼的检测.K0- 其边界的几何特征和形态与“标准”特征和形态比 prowski等[o]利用OCT仪器获取的数据，实现青光 较来判别差异的大小，作为症状信息.本文构建正 眼严重程度的自动分析.Chen等)通过对视网膜 常眼底视网膜的参考模型作为“标准”来比较判别童何俊等: 基于参考模型的视网膜特征量化 with the retinal thickness, smoothness, and continuity, the thickness characteristics, thickness ratio characteristics, gradient character鄄 istics, curvature, standard deviation, and correlation coefficient characteristics of different regions of the retina were calculated. On the basis of the reference model of normal OCT images, the quantitative values of retinal thickness and morphological characteristics were obtained. By analyzing and comparing the characteristic value differences between abnormal OCT images and reference model, the loca鄄 tion and severity of abnormal morphology caused by lesions could be characterized in the abnormal OCT images. The experimental re鄄 sults show that the normal retinal feature information obtained by the reference model can provide a numerical reference for ophthalmolo鄄 gists. At the same time, the characteristic values obtained by quantizing the abnormal OCT images can show the abnormal morphology, which provides a basis for subsequent abnormal judgment. KEY WORDS optical coherence tomography; image processing; retinal reference model; feature quantization; abnormal analysis 光学相干断层成像 ( optical coherence tomo鄄 graphy,OCT)是一种能够快速获得视网膜微观结构 图像的活体成像技术[1] . 视网膜 OCT 图像包含大 量有利于眼底病诊断的信息,常用于发现眼底的微 小病变. 目前已有不少医学研究者利用 OCT 获取 视网膜统计特征来分析各种不同的眼底疾病,如糖 尿病视网膜病变引起的黄斑水肿[2] ,非新生血管年 龄相关性黄斑病变引起的玻璃膜疣、色素上皮脱 离[3] 、视网膜劈裂[4] 、视网膜前膜、黄斑裂孔、中心 性浆液性脉络膜视网膜病[5]等. 眼科医生在解读视网膜 OCT 图像时会重点关 注图像中易发生病变的位置(黄斑区的内界膜、色 素上皮层、神经纤维层等) 和利于异常判断的特征 形态(视网膜厚度、整体形态、边界平滑度、连续性 等),并将图像中特定目标的组织结构形态与已知 的正常形态进行比较. 在比较的过程中,医生会在 脑海中对 OCT 视网膜图像进行多种量化分析,如视 网膜厚度(比)变化、形态改变量等,进而判断其异 常严重程度及病变位置. 最后根据这些形态差异要 点与医生掌握的疾病类型关联,并给出诊断决策. 但是目前 OCT 仪器一般只提供厚度、面积等常用特 征数据,而这些数据往往不足以判定疾病. 找寻适 用于眼底异常分析判别的量化特征是本文研究关 键点. 随着眼底 OCT 图像在临床诊断中的广泛应用, 计算机图像处理与分析技术已被应用于该图像领域 中. 有关视网膜图像分析的研究逐渐受到广大学者 的重视. Liu 等[6鄄鄄7]利用 OCT 图像中视网膜的几何、 纹理、形态等特征来识别正常黄斑与其他三类黄斑 病变,但未分析病变程度. Koprowski 等[8] 研究了限 定的三类脉络膜疾病的自动分析方法,进行了特征 定义与量化. Xu 等[9] 对 3D 视网膜 OCT 进行神经 纤维层分割及数据分析,用于青光眼的检测. Ko鄄 prowski 等[10]利用 OCT 仪器获取的数据,实现青光 眼严重程度的自动分析. Chen 等[11] 通过对视网膜 层光学强度的定量分析来判别视网膜中央动脉阻 塞. Hu 等[12]通过半自动分割与量化分析厚度,微 视野灵敏度,视敏度等特征来判断三类异常膜类别. Rashno 等[13] 利用图算法实现糖尿病黄斑水肿 OCT 图像中囊肿区域的自动分割. 这些研究丰富了医学 图像领域的研究,改善医学影像的视觉质量,实现医 学影像中关键部位的自动分割、提取和识别. 但是 这类研究往往将研究对象限定在几种特定的眼底病 并且对量化特征也进行了针对性选取. 在实际的诊 断过程中,获取的视网膜图像情况复杂,很难局限在 某几种已知的异常病例类型范围内. 本文针对 OCT 仪器仅能提供少量数值特征和 计算机分析限定于几种特定眼底病,不具备普适性 等不足,提出了一种基于正常视网膜参考模型的系 列特征量化方法,增加了适用于多种眼底异常分析 判别的量化特征,为计算机在线、远程诊断技术的实 际应用奠定基础. 1 视网膜组织结构 视网膜居于人眼球壁的内层,是一层透明的薄 膜,包括多层组织学结构,如图 1 所示. 在视网膜的 后极部有呈浅漏斗状的凹陷区,是人眼的光学中心, 称为黄斑区. 视网膜黄斑区从解刨学上可细分为 3 个区:淤中心凹( fovea),是黄斑区的中心,呈一凹 面,直径约 1郾 5 mm. 其中心称为黄斑小凹(foveola), 约 0郾 35 mm 直径. 于旁中心凹( parafovea),黄斑外 一个宽约 0郾 5 mm 的环形区域. 盂中心凹周围区 (perifovea),黄斑周区外一宽约 1郾 5 mm 的环形区. 2 本文方法 2郾 1 正常视网膜参考模型 临床实践中,医生是通过将视网膜特定目标及 其边界的几何特征和形态与“标准冶特征和形态比 较来判别差异的大小,作为症状信息. 本文构建正 常眼底视网膜的参考模型作为“标准冶来比较判别 ·1223·