基于反应扩散模型的三维脉络膜新生血管生长预测方法
基于反应扩散模型的三维脉络膜新生血管生长预测方法
【技术领域】
[0001] 本发明设及一种基于反应扩散模型的Ξ维脉络膜新生血管生长预测方法，尤其是 对SD-0CT(频域光学相干断层成像)的视网膜图像中的病变区域的生长预测方法，属于视网 膜图像处理技术领域。
【背景技术】
[0002] 脉络膜新生血管（choroid neovascula;rization,CNV)又称视网膜下新生血管，是 来自脉络膜的病理性新生血管。CNV是发达国家老年人视力损害的主要原因之一，可发生于 许多眼底疾病，如年龄相关性黄斑变性、中屯、性渗出性脉络膜视网膜病变、特发性脉络膜新 生血管、病理性近视黄斑变性、眼组织胞浆菌病综合征等多种眼内疾病，因 CNV管壁通透性 较高，易出血和渗出，久之则形成癒痕，造成黄斑部损伤，严重影响中屯、视力，甚至致盲。SD-0CT技术已经成为无损评估视网膜疾病的一种强有力的工具，它能提供快速的、高分辨率 的、显示视网膜内部分层的Ξ维图像，为临床眼科医生对疾病的诊断和治疗提供了帮助。在 视网膜0CT图像中可W清晰的分辨出CNV病变区域的大小、形状、位置。在药物治疗的作用 下，因病人体质不同，CNV疾病区域的生长和萎缩也不同，如果能够准确的预测CNV疾病区域 的生长，就能辅助临床给予合适的药物治疗，然而目前还没有通过0CT图像对CNV进行生长 预测的技术。
【发明内容】
[0003] 目的：为了克服现有技术中存在的不足，本发明提供一种基于反应扩散模型的Ξ 维脉络膜新生血管生长预测方法，借助科学研究方法明确脉络新生血管疾病区域的位置和 大小，来协助医生对脉络膜新生血管疾病进行预判断，帮助临床眼科专家为病人提供更好 的治疗方案。
[0004] 技术方案:为解决上述技术问题，本发明采用的技术方案为：
[0005] -种基于反应扩散模型的Ξ维脉络膜新生血管生长预测方法，其特征在于，包括 W下步骤：
[0006] (1)图像预处理：进行不同时间点0CT图像间的配准W及CNV疾病区域、外视网膜 层、内视网膜层、脉络膜层的分割；
[0007] (2)网格化:采用I S02Mesh网格化方法，将分割出来的外视网膜层、内视网膜层、脉 络膜层、CNV疾病区域分别进行Ξ角剖分，创建四面体网格；
[0008] (3)建模:对CNV疾病区域用反应扩散模型进行建模，模拟出疾病区域的生长变化 过程；
[0009] (4)参数训练:依据重叠精度准则来创建目标函数，通过目标函数来寻找每个时间 点的最优生长参数；
[0010] (5)生长预测：用多项式拟合方法对CNV生长参数进行拟合，得到生长曲线，将预测 出来的图像与真实图像对比得到预测准确率。
[0011]所述步骤(1)图像预处理包括配准和分割：
[001^ (a)0C咽像配准
[OOU]采用刚性变换对Ξ维0CT图像进行配准，即通过平移、旋转和反转把一幅图像中的 点(x，y，z)变换到点（χ/，/，z^ );本发明试验中共用到两个病人的数据，每月采一次0CT图 像，共11个月，故要对22个时间点的数据进行配准。
[0014] (b)OCT图像分割
[0015] 在医生的监督下，将视网膜分割为外视网膜层，内视网膜层、脉络膜层和CNV疾病 区域四个部分。
[0016] 所述步骤(2)中IS02Mesh网格化方法是一种基于二值图像或者灰度图像的网格生 成方法，包括原始图像处理、表面网格提取、表面重采样、多尺度或自适应四面体网格生成。
[0017] 所述步骤(3)建模具体是指，在Ξ维视网膜0CT图像中的CNV疾病区域用反应扩散 建模来模拟CNV疾病的生长W及对周围视网膜组织的侵害；
[0021] U代表脉络膜新生血管分布密度，t是时间，f是源项，代表CNV疾病的生长，P是CNV 疾病的生长参数，C是扩散系数，0Ω代表视网膜边界，5表示单位向量，a是治疗系数。
[0022] 然后用有限元的方法将连续方程离散化，用来解反应扩散的偏微分方程。
[0023] 所述步骤(4)参数训练具体是指，假设扩散能力不变，即CNV疾病在脉络膜层的扩 散速率Cn，与在内视网膜层和外视网膜层的扩散速率Cl是一个常数，但是脉络膜新生血管 (〔1^￥)的生长速率在变，即寻找最优的目^=^1，(3。，0}，令化，02''^1日是分别对应时间点*1， 日的生长参数，那么参数Θ描述为0={：。1，扣，01，02。啊日}，依据重叠精度准则来创建目 标函数如下
[0024]
(4)
[0025] 其中，W系数取l/2，Ii+i是用来验证的实际图像，Ιι,θ是在图像Ii的基础上用参数Θ 预测出来的图像。
[0026] 所述步骤（5)生长预测具体是指，得到最优的参数后，将10个时间点的生长参数 (P1，P2···化〇}按如下公式进行拟合，得到生长曲线，
[0027] p = a · t"^+b · t^+c · t^+d · t+e (5)
[002引其中，a，b，c，d，e是生长系数。
[0029] 脉络新生血管疾病的生长参数曲线是基于最小方差来拟合得到的，用它来预测第 11个时间点的生长参数。
[0030] 有益效果：本发明提供的基于反应扩散模型的Ξ维脉络膜新生血管生长预测方 法，具有可行性和有效性的针对脉络膜新生血管，对于脉络膜新生血管疾病的临床诊断与 药物治疗起到重要的辅助作用。本发明融合了刚性配准、IS02Mesh网格化方法、反应扩散模 型、多项式数据拟合法等步骤，预测结果具有较高的准确性，能够有效的预测疾病的发展趋 势，对于临床相关眼科疾病的诊断与治疗能起到重要的辅助作用。
【附图说明】
[0031] 图1为图像预处理结果：（a)原图像(b)分割后图像，分割出来的梭形区域为CNV疾 病区域，0CT图像从上至下依次分割成外视网膜层、内视网膜层和脉络膜层；
[0032] 图2为网格化处理结果(a)网格化视网膜图像(b)S角剖分后的Ξ维CNV疾病区域 (C)生长建模的Ξ维后处理切片图像；
[0033] 图3为本发明治疗方案中药物注射的时间，向上箭头标记的是注射药物的时间点；
[0034] 图4为病人的CNV生长参数拟合曲线图。
【具体实施方式】
[0035] 下面结合附图对本发明作更进一步的说明。
[0036] 本发明基于反应扩散模型的Ξ维脉络膜新生血管生长预测方法主要包括5个步 骤:图像预处理、网格化、建模、参数训练、生长预测。具体描述如下：
[0037] (1)图像预处理
[0038] 图像预处理主要包括W下两个步骤:配准和分割
[0039] (a)OCT图像配准
[0040] 采用刚性变换对Ξ维0CT图像进行配准，即通过平移、旋转和反转把一幅图像中的 点(x，y，z)变换到点（χ/，/，z〇。本发明试验中共用到两个病人的数据，每月采一次0CT图 像，共11个月，故要对22个时间点的数据进行配准。
[0041 ] (b)OCT图像分割
[0042]在经验丰富的医生的监督下，将视网膜分割为外视网膜层，内视网膜层、脉络膜层 和CNV疾病区域四个部分，分割结果如图1所示。
[00创 （2)网格化
[0044] IS02 Mesh是一种基于二值图像或者灰度图像的网格生成方法，包括原始图像处 理、表面网格提取、表面重采样、多尺度或自适应四面体网格生成等一系列建网步骤。本发 明采用IS02Mesh网格化方法，将分割出来的Ξ维的外视网膜层、内视网膜层、脉络膜层、CNV 疾病区域分别进行Ξ角剖分，创建四面体网格，结果如图2所示。
[0045] (3)建模
[0046] 反应扩散模型是一种考虑扩散、迁移和增长的模型。本发明首次在Ξ维视网膜0CT 图像中的CNV疾病区域用反应扩散建模来模拟CNV疾病的生长W及对周围视网膜组织的侵 害。
[0047]
( I )
[004引 f=pu(l-u) (2)
[0049] 妍 Μ.滿Ω = 0 .(3.)
[0050] U代表脉络膜新生血管分布密度，t是时间，f是源项，代表CNV疾病的生长，P是CNV 疾病的生长参数，C是扩散系数，5Ω代表视网膜边界，5表示单位向量，a是治疗系数。本方法 中用两个给予不同治疗方案的病人进行试验，治疗方案如图3所示，假设a为常数，试验得到 a = 0.02。然后用有限元的方法将连续方程离散化，用来解反应扩散的偏微分方程。
[00引](4)参数训练
[0052] 在本发明中，假设扩散能力不变，即CNV疾病在脉络膜层的扩散速率cn，与在内视 网膜层和外视网膜层的扩散速率Cl是一个常数，但是脉络膜新生血管(CNV)的生长速率在 变，即寻找最优的目*={：(31心，0}，令化，02-01日是分别对应时间点山*2-加的生长参数，那 么参数目就可W描述为目= レl，Cn，Pl，化…化日}，依据重叠精度准则来创建目标函数如下
[0053]
(4)
[0054] 其中，W系数取l/2，Ii+i是用来验证的实际图像，Ιι,θ是在图像Ii的基础上用参数Θ 预测出来的图像。
[0055] (5)生长预测
[0056] 得到最优的参数后，我们将运10个时间点的生长参数{Pi，P2…Pio}按如下公式进 行拟合，得到生长曲线，如图4所示。
[0化7]
[005引公式中，曰，6，(3，(1，6是生长系数。脉络新生血管疾病的生长参数曲线是基于最小方 差来拟合得到的，用它来预测第11个时间点的生长参数。
[0059] (6)实验结果
[0060] 对CNV疾病区域分割，W-个专家手动分割结果作为金标准与本方法预测出来的 图像进行对比。采用真阳性率TPVF、假阳性率FPVFW及戴斯系数作为评估方法的客观指标， 计算如下：
[0064] 其中Iw是用来验证的实际图像的所有像素点集合，Ιι,θ是预测出来的图像的所有 像素点集合。实验结果表明，本方法平均真阳性率为78.74%，平均假阳性率为20.51%，平 均戴斯系数为79.03 %
[0065] 表1预测结果准确率
[0066]
[0067] 至此，一种适用于脉络膜新生血管疾病生长预测的方法已经实现并进行了验证。 本发明融合了刚性配准、IS02Mesh网格化方法、反应扩散模型、多项式数据拟合法等步骤， 预测结果具有较高的准确性，能够有效的预测疾病的发展趋势，对于临床相关眼科疾病的 诊断与治疗能起到重要的辅助作用。
[0068] W上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可W做出若干改进和润饰，运些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种基于反应扩散模型的三维脉络膜新生血管生长预测方法，其特征在于，包括以 下步骤： (1) 图像预处理:进行不同时间点OCT图像间的配准以及CNV疾病区域、外视网膜层、内 视网膜层、脉络膜层的分割； (2) 网格化:采用IS02Mesh网格化方法，将分割出来的外视网膜层、内视网膜层、脉络膜 层、CNV疾病区域分别进行三角剖分，创建四面体网格； (3) 建模:对CNV疾病区域用反应扩散模型进行建模，模拟出疾病区域的生长变化过程； (4) 参数训练:依据重叠精度准则来创建目标函数，通过目标函数来寻找每个时间点的 最优生长参数； (5) 生长预测：用多项式拟合方法对CNV生长参数进行拟合，得到生长曲线，将预测出来 的图像与真实图像对比得到预测准确率。2. 根据权利要求1所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于，所述步骤(1)图像预处理包括配准和分割： (a) OCT图像配准 采用刚性变换对三维OCT图像进行配准，即通过平移、旋转和反转把一幅图像中的点 (x，y，z)变换到点(X人/，ζ〇; (b) 0CT图像分割 在医生的监督下，将视网膜分割为外视网膜层，内视网膜层、脉络膜层和CNV疾病区域 四个部分。3. 根据权利要求2所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于:所述步骤(2)中IS02Mesh网格化方法是一种基于二值图像或者灰度图像的网格 生成方法，包括原始图像处理、表面网格提取、表面重采样、多尺度或自适应四面体网格生 成。4. 根据权利要求3所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于:所述步骤(3)建模具体是指，在三维视网膜OCT图像中的CNV疾病区域用反应扩散 建模来模拟CNV疾病的生长以及对周围视网膜组织的侵害；u代表脉络膜新生血管分布密度，t是时间，f是源项，代表CNV疾病的生长，P是CNV疾病 的生长参数，C是扩散系数，3Ω·代表视网膜边界，i表示单位向量，a是治疗系数。5. 根据权利要求4所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于:所述步骤(4)参数训练具体是指，假设扩散能力不变，即CNV疾病在脉络膜层的扩 散速率c n，与在内视网膜层和外视网膜层的扩散速率C1是一个常数，但是脉络膜新生血管 (CNV)的生长速率在变，即寻找最优的f ={^，(^，0}，令01，02-卞1〇是分别对应时间点七1， 七2"_1：1()的生长参数，那么参数9描述为0 = {(^，(^，01，02'"01()}，依据重叠精度准则来创建目 标函数如下：其中，W系数取1/2，11+1是用来验证的实际图像，11>θ是在图像^的基础上用参数Θ预测出 来的图像。6.根据权利要求5所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于:所述步骤(5)生长预测具体是指，得到最优的参数后，将多个时间点的生长参数 按如下公式进行拟合，得到生长曲线， P = a · t4+b · t3+c · t2+d · t+e (5) 其中，a，b，c，d，e是生长系数。
【专利摘要】本发明公开了一种基于反应扩散模型的三维脉络膜新生血管生长预测方法，包括以下步骤：图像预处理、网格化、建模、参数训练、生长预测。本发明融合了刚性配准、ISO2Mesh网格化方法、反应扩散模型、多项式数据拟合法等步骤，预测结果具有较高的准确性，能够有效的预测疾病的发展趋势，对于临床相关眼科疾病的诊断与治疗能起到重要的辅助作用。
【IPC分类】G06T7/00, G06F19/00
【公开号】CN105488350
【申请号】CN201510868723
【发明人】陈新建, 朱书霞
【申请人】苏州大学
【公开日】2016年4月13日
【申请日】2015年12月2日
【技术领域】
[0001] 本发明设及一种基于反应扩散模型的Ξ维脉络膜新生血管生长预测方法，尤其是 对SD-0CT(频域光学相干断层成像)的视网膜图像中的病变区域的生长预测方法，属于视网 膜图像处理技术领域。
【背景技术】
[0002] 脉络膜新生血管（choroid neovascula;rization,CNV)又称视网膜下新生血管，是 来自脉络膜的病理性新生血管。CNV是发达国家老年人视力损害的主要原因之一，可发生于 许多眼底疾病，如年龄相关性黄斑变性、中屯、性渗出性脉络膜视网膜病变、特发性脉络膜新 生血管、病理性近视黄斑变性、眼组织胞浆菌病综合征等多种眼内疾病，因 CNV管壁通透性 较高，易出血和渗出，久之则形成癒痕，造成黄斑部损伤，严重影响中屯、视力，甚至致盲。SD-0CT技术已经成为无损评估视网膜疾病的一种强有力的工具，它能提供快速的、高分辨率 的、显示视网膜内部分层的Ξ维图像，为临床眼科医生对疾病的诊断和治疗提供了帮助。在 视网膜0CT图像中可W清晰的分辨出CNV病变区域的大小、形状、位置。在药物治疗的作用 下，因病人体质不同，CNV疾病区域的生长和萎缩也不同，如果能够准确的预测CNV疾病区域 的生长，就能辅助临床给予合适的药物治疗，然而目前还没有通过0CT图像对CNV进行生长 预测的技术。
【发明内容】
[0003] 目的：为了克服现有技术中存在的不足，本发明提供一种基于反应扩散模型的Ξ 维脉络膜新生血管生长预测方法，借助科学研究方法明确脉络新生血管疾病区域的位置和 大小，来协助医生对脉络膜新生血管疾病进行预判断，帮助临床眼科专家为病人提供更好 的治疗方案。
[0004] 技术方案:为解决上述技术问题，本发明采用的技术方案为：
[0005] -种基于反应扩散模型的Ξ维脉络膜新生血管生长预测方法，其特征在于，包括 W下步骤：
[0006] (1)图像预处理：进行不同时间点0CT图像间的配准W及CNV疾病区域、外视网膜 层、内视网膜层、脉络膜层的分割；
[0007] (2)网格化:采用I S02Mesh网格化方法，将分割出来的外视网膜层、内视网膜层、脉 络膜层、CNV疾病区域分别进行Ξ角剖分，创建四面体网格；
[0008] (3)建模:对CNV疾病区域用反应扩散模型进行建模，模拟出疾病区域的生长变化 过程；
[0009] (4)参数训练:依据重叠精度准则来创建目标函数，通过目标函数来寻找每个时间 点的最优生长参数；
[0010] (5)生长预测：用多项式拟合方法对CNV生长参数进行拟合，得到生长曲线，将预测 出来的图像与真实图像对比得到预测准确率。
[0011]所述步骤(1)图像预处理包括配准和分割：
[001^ (a)0C咽像配准
[OOU]采用刚性变换对Ξ维0CT图像进行配准，即通过平移、旋转和反转把一幅图像中的 点(x，y，z)变换到点（χ/，/，z^ );本发明试验中共用到两个病人的数据，每月采一次0CT图 像，共11个月，故要对22个时间点的数据进行配准。
[0014] (b)OCT图像分割
[0015] 在医生的监督下，将视网膜分割为外视网膜层，内视网膜层、脉络膜层和CNV疾病 区域四个部分。
[0016] 所述步骤(2)中IS02Mesh网格化方法是一种基于二值图像或者灰度图像的网格生 成方法，包括原始图像处理、表面网格提取、表面重采样、多尺度或自适应四面体网格生成。
[0017] 所述步骤(3)建模具体是指，在Ξ维视网膜0CT图像中的CNV疾病区域用反应扩散 建模来模拟CNV疾病的生长W及对周围视网膜组织的侵害；
[0021] U代表脉络膜新生血管分布密度，t是时间，f是源项，代表CNV疾病的生长，P是CNV 疾病的生长参数，C是扩散系数，0Ω代表视网膜边界，5表示单位向量，a是治疗系数。
[0022] 然后用有限元的方法将连续方程离散化，用来解反应扩散的偏微分方程。
[0023] 所述步骤(4)参数训练具体是指，假设扩散能力不变，即CNV疾病在脉络膜层的扩 散速率Cn，与在内视网膜层和外视网膜层的扩散速率Cl是一个常数，但是脉络膜新生血管 (〔1^￥)的生长速率在变，即寻找最优的目^=^1，(3。，0}，令化，02''^1日是分别对应时间点*1， 日的生长参数，那么参数Θ描述为0={：。1，扣，01，02。啊日}，依据重叠精度准则来创建目 标函数如下
[0024]
(4)
[0025] 其中，W系数取l/2，Ii+i是用来验证的实际图像，Ιι,θ是在图像Ii的基础上用参数Θ 预测出来的图像。
[0026] 所述步骤（5)生长预测具体是指，得到最优的参数后，将10个时间点的生长参数 (P1，P2···化〇}按如下公式进行拟合，得到生长曲线，
[0027] p = a · t"^+b · t^+c · t^+d · t+e (5)
[002引其中，a，b，c，d，e是生长系数。
[0029] 脉络新生血管疾病的生长参数曲线是基于最小方差来拟合得到的，用它来预测第 11个时间点的生长参数。
[0030] 有益效果：本发明提供的基于反应扩散模型的Ξ维脉络膜新生血管生长预测方 法，具有可行性和有效性的针对脉络膜新生血管，对于脉络膜新生血管疾病的临床诊断与 药物治疗起到重要的辅助作用。本发明融合了刚性配准、IS02Mesh网格化方法、反应扩散模 型、多项式数据拟合法等步骤，预测结果具有较高的准确性，能够有效的预测疾病的发展趋 势，对于临床相关眼科疾病的诊断与治疗能起到重要的辅助作用。
【附图说明】
[0031] 图1为图像预处理结果：（a)原图像(b)分割后图像，分割出来的梭形区域为CNV疾 病区域，0CT图像从上至下依次分割成外视网膜层、内视网膜层和脉络膜层；
[0032] 图2为网格化处理结果(a)网格化视网膜图像(b)S角剖分后的Ξ维CNV疾病区域 (C)生长建模的Ξ维后处理切片图像；
[0033] 图3为本发明治疗方案中药物注射的时间，向上箭头标记的是注射药物的时间点；
[0034] 图4为病人的CNV生长参数拟合曲线图。
【具体实施方式】
[0035] 下面结合附图对本发明作更进一步的说明。
[0036] 本发明基于反应扩散模型的Ξ维脉络膜新生血管生长预测方法主要包括5个步 骤:图像预处理、网格化、建模、参数训练、生长预测。具体描述如下：
[0037] (1)图像预处理
[0038] 图像预处理主要包括W下两个步骤:配准和分割
[0039] (a)OCT图像配准
[0040] 采用刚性变换对Ξ维0CT图像进行配准，即通过平移、旋转和反转把一幅图像中的 点(x，y，z)变换到点（χ/，/，z〇。本发明试验中共用到两个病人的数据，每月采一次0CT图 像，共11个月，故要对22个时间点的数据进行配准。
[0041 ] (b)OCT图像分割
[0042]在经验丰富的医生的监督下，将视网膜分割为外视网膜层，内视网膜层、脉络膜层 和CNV疾病区域四个部分，分割结果如图1所示。
[00创 （2)网格化
[0044] IS02 Mesh是一种基于二值图像或者灰度图像的网格生成方法，包括原始图像处 理、表面网格提取、表面重采样、多尺度或自适应四面体网格生成等一系列建网步骤。本发 明采用IS02Mesh网格化方法，将分割出来的Ξ维的外视网膜层、内视网膜层、脉络膜层、CNV 疾病区域分别进行Ξ角剖分，创建四面体网格，结果如图2所示。
[0045] (3)建模
[0046] 反应扩散模型是一种考虑扩散、迁移和增长的模型。本发明首次在Ξ维视网膜0CT 图像中的CNV疾病区域用反应扩散建模来模拟CNV疾病的生长W及对周围视网膜组织的侵 害。
[0047]
( I )
[004引 f=pu(l-u) (2)
[0049] 妍 Μ.滿Ω = 0 .(3.)
[0050] U代表脉络膜新生血管分布密度，t是时间，f是源项，代表CNV疾病的生长，P是CNV 疾病的生长参数，C是扩散系数，5Ω代表视网膜边界，5表示单位向量，a是治疗系数。本方法 中用两个给予不同治疗方案的病人进行试验，治疗方案如图3所示，假设a为常数，试验得到 a = 0.02。然后用有限元的方法将连续方程离散化，用来解反应扩散的偏微分方程。
[00引](4)参数训练
[0052] 在本发明中，假设扩散能力不变，即CNV疾病在脉络膜层的扩散速率cn，与在内视 网膜层和外视网膜层的扩散速率Cl是一个常数，但是脉络膜新生血管(CNV)的生长速率在 变，即寻找最优的目*={：(31心，0}，令化，02-01日是分别对应时间点山*2-加的生长参数，那 么参数目就可W描述为目= レl，Cn，Pl，化…化日}，依据重叠精度准则来创建目标函数如下
[0053]
(4)
[0054] 其中，W系数取l/2，Ii+i是用来验证的实际图像，Ιι,θ是在图像Ii的基础上用参数Θ 预测出来的图像。
[0055] (5)生长预测
[0056] 得到最优的参数后，我们将运10个时间点的生长参数{Pi，P2…Pio}按如下公式进 行拟合，得到生长曲线，如图4所示。
[0化7]
[005引公式中，曰，6，(3，(1，6是生长系数。脉络新生血管疾病的生长参数曲线是基于最小方 差来拟合得到的，用它来预测第11个时间点的生长参数。
[0059] (6)实验结果
[0060] 对CNV疾病区域分割，W-个专家手动分割结果作为金标准与本方法预测出来的 图像进行对比。采用真阳性率TPVF、假阳性率FPVFW及戴斯系数作为评估方法的客观指标， 计算如下：
[0064] 其中Iw是用来验证的实际图像的所有像素点集合，Ιι,θ是预测出来的图像的所有 像素点集合。实验结果表明，本方法平均真阳性率为78.74%，平均假阳性率为20.51%，平 均戴斯系数为79.03 %
[0065] 表1预测结果准确率
[0066]
[0067] 至此，一种适用于脉络膜新生血管疾病生长预测的方法已经实现并进行了验证。 本发明融合了刚性配准、IS02Mesh网格化方法、反应扩散模型、多项式数据拟合法等步骤， 预测结果具有较高的准确性，能够有效的预测疾病的发展趋势，对于临床相关眼科疾病的 诊断与治疗能起到重要的辅助作用。
[0068] W上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可W做出若干改进和润饰，运些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种基于反应扩散模型的三维脉络膜新生血管生长预测方法，其特征在于，包括以 下步骤： (1) 图像预处理:进行不同时间点OCT图像间的配准以及CNV疾病区域、外视网膜层、内 视网膜层、脉络膜层的分割； (2) 网格化:采用IS02Mesh网格化方法，将分割出来的外视网膜层、内视网膜层、脉络膜 层、CNV疾病区域分别进行三角剖分，创建四面体网格； (3) 建模:对CNV疾病区域用反应扩散模型进行建模，模拟出疾病区域的生长变化过程； (4) 参数训练:依据重叠精度准则来创建目标函数，通过目标函数来寻找每个时间点的 最优生长参数； (5) 生长预测：用多项式拟合方法对CNV生长参数进行拟合，得到生长曲线，将预测出来 的图像与真实图像对比得到预测准确率。2. 根据权利要求1所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于，所述步骤(1)图像预处理包括配准和分割： (a) OCT图像配准 采用刚性变换对三维OCT图像进行配准，即通过平移、旋转和反转把一幅图像中的点 (x，y，z)变换到点(X人/，ζ〇; (b) 0CT图像分割 在医生的监督下，将视网膜分割为外视网膜层，内视网膜层、脉络膜层和CNV疾病区域 四个部分。3. 根据权利要求2所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于:所述步骤(2)中IS02Mesh网格化方法是一种基于二值图像或者灰度图像的网格 生成方法，包括原始图像处理、表面网格提取、表面重采样、多尺度或自适应四面体网格生 成。4. 根据权利要求3所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于:所述步骤(3)建模具体是指，在三维视网膜OCT图像中的CNV疾病区域用反应扩散 建模来模拟CNV疾病的生长以及对周围视网膜组织的侵害；u代表脉络膜新生血管分布密度，t是时间，f是源项，代表CNV疾病的生长，P是CNV疾病 的生长参数，C是扩散系数，3Ω·代表视网膜边界，i表示单位向量，a是治疗系数。5. 根据权利要求4所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于:所述步骤(4)参数训练具体是指，假设扩散能力不变，即CNV疾病在脉络膜层的扩 散速率c n，与在内视网膜层和外视网膜层的扩散速率C1是一个常数，但是脉络膜新生血管 (CNV)的生长速率在变，即寻找最优的f ={^，(^，0}，令01，02-卞1〇是分别对应时间点七1， 七2"_1：1()的生长参数，那么参数9描述为0 = {(^，(^，01，02'"01()}，依据重叠精度准则来创建目 标函数如下：其中，W系数取1/2，11+1是用来验证的实际图像，11>θ是在图像^的基础上用参数Θ预测出 来的图像。6.根据权利要求5所述的基于反应扩散模型的三维脉络膜新生血管生长预测方法，其 特征在于:所述步骤(5)生长预测具体是指，得到最优的参数后，将多个时间点的生长参数 按如下公式进行拟合，得到生长曲线， P = a · t4+b · t3+c · t2+d · t+e (5) 其中，a，b，c，d，e是生长系数。
【专利摘要】本发明公开了一种基于反应扩散模型的三维脉络膜新生血管生长预测方法，包括以下步骤：图像预处理、网格化、建模、参数训练、生长预测。本发明融合了刚性配准、ISO2Mesh网格化方法、反应扩散模型、多项式数据拟合法等步骤，预测结果具有较高的准确性，能够有效的预测疾病的发展趋势，对于临床相关眼科疾病的诊断与治疗能起到重要的辅助作用。
【IPC分类】G06T7/00, G06F19/00
【公开号】CN105488350
【申请号】CN201510868723
【发明人】陈新建, 朱书霞
【申请人】苏州大学
【公开日】2016年4月13日
【申请日】2015年12月2日
最新回复(0)