·544 工程科学学报，第41卷，第4期 在结构元素寻优与形态学滤波过程中，前者利用加 3 4 55 权排序统计代替后者的极大极小运算，减少对图像 NSL R 噪声的敏感度，IGSM算法流程的复杂程度也最高 NSL_G 眼科医生在进行临床诊断时，除了查看患者视 RPE 网膜及眼底组织的形态变化外，往往还关注这些医 学组织特征的参数变化，但这些组织参数特征数值 上的变化如果只通过医生的主观判断不能客观的评 图5黄斑中心凹区域划分示意图 判病情.因此在获得眼底关键组织分割提取结果的基 Fig.5 Schematie map of the division of the macular fovea 础上，对相关特征参数进行量化处理也尤为重要 参照医师关注的视网膜组织厚度(T)及面积 视网膜由色素上皮层（图5蓝色部分，retinal (A)参数，根据图4中的分割结果进行计算机量化， pigment epithelium layer-RPE)和视网膜感觉层（图5 结果如表2所示.同时，将前文所述的多种边界提 红色和绿色部分，其中绿色部分为外颗粒层，由于黄 取参数量化结果与专家量化结果进行参数对比，最 斑中心凹处的组织结构特殊性，将其独立区分，neu- 终计算平均相对误差(ARE)作为评价指标，结果如 ral sensory layer-NSL)组成，而根据与黄斑中心小凹 表3所示.从表中可以看出IGM方法量化后的结果 的不同距离划分为不同区域，中心小凹(S3),中心 最接近手动结果，进一步说明了本文所提IGM和 凹(S2,S3,S4),旁中心凹(S1,S5),如图5所示. IGSM方法的优势 表2视网膜组织量化结果 Table 2 Quantitative results of retinal tissue 边界提取方法 区域 A/S1 A/S2 A/S3 A/S4 A/S5 T/SI T/S2 T/S3 T/S4 T/S5 NSL R 1524 928 90 1051 1680 26.74 14.28 2.31 16.17 29.47 专家手动分割 NSL_G 932 1309 878 1256 893 16.35 20.14 22.51 19.32 15.67 RPE 600 730 468 768 614 10.53 11.23 12 11.82 10.77 NSL_R 1502 923 106 1055 1652 26.35 14.20 2.72 16.23 28.98 Single_3 NSL G 948 1320 861 1254 912 16.63 20.31 22.08 19.29 16.00 RPE 454 714 468 759 606 7.96 10.98 12.00 11.68 10.63 NSL R 1377 777 43 1012 1529 24.16 11.95 1.10 15.57 26.82 Single_5 NSL_G 1069 1450 922 1283 1029 18.75 22.31 23.64 19.74 18.05 RPE 459 579 388 637 485 8.05 8.91 9.95 9.80 8.51 NSL_R 1506 930 117 1056 1652 26.42 14.31 3.00 16.25 28.98 Multi NSL G 944 1307 85 1252 910 16.56 20.03 21.85 19.26 15.96 RPE 587 724 468 76 607 10.30 11.14 12.00 11.71 10.65 NSL_R 1522 950 162 1085 1669 26.70 14.62 4.15 16.69 29.28 Canny NSL_G 913 1275 787 1218 884 16.02 19.62 20.18 18.74 15.51 RPE 609 729 492 768 617 10.68 11.22 12.62 11.82 10.82 NSL R 1511 1098 814 1240 1659 26.5116.89 20.87 19.08 29.11 GTDP NSL_G 930 1131 156 1063 896 16.32 17.40 4.00 16.35 15.72 RPE 595 725 468 761 619 10.44 11.1512.00 11.71 10.86 NSL_R 1501 921 105 1059 1652 26.33 14.17 2.69 16.29 28.98 IGM NSL_G 948 1323 862 1251 911 16.63 20.35 22.10 19.25 15.98 RPE 582 713 468 759 606 10.21 10.97 12.00 11.68 10.63 NSLR 1501 923 107 1059 1651 26.33 14.202.74 16.29 28.96 IGSM NSLG 949 1322 860 1251 913 16.65 20.34 22.05 19.25 16.02 RPE 584 713 468 759 606 10.25 10.9712.0011.68 10.63工程科学学报，第 41 卷，第 4 期 在结构元素寻优与形态学滤波过程中，前者利用加 权排序统计代替后者的极大极小运算，减少对图像 噪声的敏感度，IGSM 算法流程的复杂程度也最高． 眼科医生在进行临床诊断时，除了查看患者视 网膜及眼底组织的形态变化外，往往还关注这些医 学组织特征的参数变化，但这些组织参数特征数值 上的变化如果只通过医生的主观判断不能客观的评 判病情． 因此在获得眼底关键组织分割提取结果的基 础上，对相关特征参数进行量化处理也尤为重要［16］． 视网膜由色素上皮层( 图 5 蓝色部分，retinal pigment epithelium layer-ＲPE) 和视网膜感觉层( 图 5 红色和绿色部分，其中绿色部分为外颗粒层，由于黄 斑中心凹处的组织结构特殊性，将其独立区分，neu￾ral sensory layer-NSL) 组成，而根据与黄斑中心小凹 的不同距离划分为不同区域，中心小凹( S3) ，中心 凹( S2，S3，S4) ，旁中心凹( S1，S5) ，如图 5 所示． 图 5 黄斑中心凹区域划分示意图 Fig． 5 Schematic map of the division of the macular fovea 参照医师关注的视网膜组织厚度( T) 及面积 ( A) 参数，根据图 4 中的分割结果进行计算机量化， 结果如表 2 所示． 同时，将前文所述的多种边界提 取参数量化结果与专家量化结果进行参数对比，最 终计算平均相对误差( AＲE) 作为评价指标，结果如 表 3 所示． 从表中可以看出 IGM 方法量化后的结果 最接近手动结果，进一步说明了本文所提 IGM 和 IGSM 方法的优势． 表 2 视网膜组织量化结果 Table 2 Quantitative results of retinal tissue 边界提取方法 区域 A / S1 A / S2 A / S3 A / S4 A / S5 T / S1 T / S2 T / S3 T / S4 T / S5 NSL_Ｒ 1524 928 90 1051 1680 26. 74 14. 28 2. 31 16. 17 29. 47 专家手动分割 NSL_G 932 1309 878 1256 893 16. 35 20. 14 22. 51 19. 32 15. 67 ＲPE 600 730 468 768 614 10. 53 11. 23 12 11. 82 10. 77 NSL_Ｒ 1502 923 106 1055 1652 26. 35 14. 20 2. 72 16. 23 28. 98 Single_3 NSL_G 948 1320 861 1254 912 16. 63 20. 31 22. 08 19. 29 16. 00 ＲPE 454 714 468 759 606 7. 96 10. 98 12. 00 11. 68 10. 63 NSL_Ｒ 1377 777 43 1012 1529 24. 16 11. 95 1. 10 15. 57 26. 82 Single_5 NSL_G 1069 1450 922 1283 1029 18. 75 22. 31 23. 64 19. 74 18. 05 ＲPE 459 579 388 637 485 8. 05 8. 91 9. 95 9. 80 8. 51 NSL_Ｒ 1506 930 117 1056 1652 26. 42 14. 31 3. 00 16. 25 28. 98 Multi NSL_G 944 1302 852 1252 910 16. 56 20. 03 21. 85 19. 26 15. 96 ＲPE 587 724 468 761 607 10. 30 11. 14 12. 00 11. 71 10. 65 NSL_Ｒ 1522 950 162 1085 1669 26. 70 14. 62 4. 15 16. 69 29. 28 Canny NSL_G 913 1275 787 1218 884 16. 02 19. 62 20. 18 18. 74 15. 51 ＲPE 609 729 492 768 617 10. 68 11. 22 12. 62 11. 82 10. 82 NSL_Ｒ 1511 1098 814 1240 1659 26. 51 16. 89 20. 87 19. 08 29. 11 GTDP NSL_G 930 1131 156 1063 896 16. 32 17. 40 4. 00 16. 35 15. 72 ＲPE 595 725 468 761 619 10. 44 11. 15 12. 00 11. 71 10. 86 NSL_Ｒ 1501 921 105 1059 1652 26. 33 14. 17 2. 69 16. 29 28. 98 IGM NSL_G 948 1323 862 1251 911 16. 63 20. 35 22. 10 19. 25 15. 98 ＲPE 582 713 468 759 606 10. 21 10. 97 12. 00 11. 68 10. 63 NSL_Ｒ 1501 923 107 1059 1651 26. 33 14. 20 2. 74 16. 29 28. 96 IGSM NSL_G 949 1322 860 1251 913 16. 65 20. 34 22. 05 19. 25 16. 02 ＲPE 584 713 468 759 606 10. 25 10. 97 12. 00 11. 68 10. 63 · 445 ·