一种光学微血管造影图像分割及评价方法
【技术领域】
[0001] 本发明设及光学相干层析成像技术（OpticalCoherenceTomography, 0CT)W及 光学微血管造影（OCTAngiography,Angio-OCT)技术，尤其设及一种基于"随机相幅矢量 和"统计模型的光学微血管造影的图像分割及评价方法。 技术背景
[0002] 相比于目前的生物医学成像手段，0CT成像技术具有无标记、非接触性，非侵害性， 实时性，高灵敏度W及高分辨率等优点，该些特征使其在最近的十多年中得到了快速的发 展，并已经被临床广泛接受。0CT系统主要通过探测由于生物样品光学不均匀性所导致的后 向散射光光强的变化来获得样品的折射率信息，进而得到样品的光学结构图像。然而在疾 病的早期阶段，正常与病变的生物组织间的散射特性的区别很小，W至于难W被检测和判 另IJ，因此，该种结构型0CT系统在临床应用上存在许多局限性。所W，开发具有不同的功能 成像的0CT系统成为了众多国内外科研团队研究目标。功能型0CT系统所展示的各种不同 生理信息的对比机制，大大拓展了0CT的使用范围和应用领域。
[0003] 大量疾病的发生与微血管的病变息息相关，实现非侵入、实时地监测血管的状态， 对实现疾病的早期诊断有着重大意义。光学微血管造影（0CTAngiography,Angio-OCT)技 术作为一种能够实时地从静态组织背景中高精度提取血流信号的新型技术得到了格外重 视，并在眼底血管成像和脑皮层血管成像领域得到了应用。
[0004] 为了实现Angio-OCT,目前通行的做法是W-定时间间隔，对同一空间位置或聚焦 光斑具有一定的空间相关性的位置进行多次重复成像。在获取到初始的0CT复信号后，可 采用幅度差分、复信号差分、相位差分、多普勒方差、互相关算法等方法来获取血流信号。在 通过特定算法获得Angio-OCT信号后，为了进一步区分动态血流信号静态组织背景，通常 情况下需要选取一个全局阔值对图像进行分割处理。然而，全局阔值的选择一直是一个较 为棘手的问题。在目前的图像分割算法中，已有的一些阔值分割算法并不适用于Angio-OCT 所得图像，因而在实际应用中，多是依据经验设置一个全局分割阔值。所W目前迫切需要一 种非经验式的自动的阔值分割方法和与之相应的分割效果评价机制应用在Angio-OCT中。
【发明内容】
[0005] 本发明针对现有技术的不足，提出了一种光学微血管造影图像分割及评价方法。
[0006] 一种光学微血管造影图像分割方法，该方法具体包括W下步骤：
[0007] 建立基于"随机相幅矢量和"模型的光学微血管造影数学统计模型：
[0008] 应用统计光学中的"随机相幅矢量和"模型，样品空间域中某一点处的 0CT(0ptical Coherence Tomography)复值信号A(z,x,t)表示为0CT相干口内的多个独立 微小散射粒子后向散射光的贡献之和，即多个的微小独立相幅矢量的复数叠加；
[0009] 对于动态的血流区域，该种运动的血红细胞是独立微小散射体，独立微小散射体 的光学散射信号是随细胞流动而产生时间变化的，其信号幅度分布特征视为大量随机相幅 矢量和的时间统计特性；根据中屯、极限定理，动态区域OCT复信号的实部rd和虚部id都满 足N(0, 〇d)独立正态分布，其中〇<!为正态分布标准差，代表了噪声水平的大小：
[0010]
[0011] 则复信号的幅度3d在时间域上呈现出瑞利分布的特性：
[0012]
[0013] 瑞利分布的尺度参数0d代表了信号强度和离散程度的大小；
[0014] 而在静态的组织区域，在同一扫描点位置（Z，X)上的信号看成是同一散射体的恒 定散射信号与随机系统噪声的叠加，且在通常情况下，信号强度远大于系统噪声，所W信号 幅度的时间统计呈现出近似正态分布N(C，0,)的特征，其中均值C代表了静态组织的信号 平均强度值，标准差0 ,代表了系统噪声水平的大小，静态区域0CT复信号实部r,和虚部i, 的联合概率密度分布函数如下：
[0015]
[0016] 通常情况下信号强度远大于噪声，故当C〉〉0 ,时，则其幅度a,近似呈现出正态分 布的特性：
[0017]
[0018] 为了从0CT复信号中获取血流信息，一种常见的方法是采用幅度差分（Ampli化de Differential,AD)算法；该方法将后一个时刻采集的一个B-化ame的幅度减A(z,X,t+1) 去前一个时刻的B-化ame的幅度A(z，x，t)W抑制静态组织的信号，其表达形式是：
[0019] 0CT曲=IAAD(z, X,t)
[0020] =I|A(z,X,t+1) |-|A(z,X,t)II,
[0021] 将上述随机相幅矢量和模型中得出的复信号统计分布代入上式中，幅度差分算 法消去静态组织背景信号中相邻的时间采样序列上的常数项，故只留下了服从正态分布 ? (0, )的噪声项；对随机变量取其绝对值，求得幅度差分算法统计特性的概率密度分 布函数；故采用幅度相减算法后，静态组织区域的幅度Sad,在时间域上的信号幅度概率密 度是一个截断正态分布：
[0022]
[0023] 而在对动态的血流区域上探测时，由于信号的实部和虚部都是独立的正态分布 N(0,od)，在做幅度差分运算后，信号幅度a^d的时间统计特性也呈现出截断正态分布的特 征，控制分布曲线的参数为〇d:
[0024]
[0025] 另一种Angio-OCT(OCTAngiography)算法是复信号差分（Complex Differential,CD)算法，采用计算两个相邻时刻的B-化ame的复信号差值的幅度来获取血 流信号，表述为：
[002引 0CTcd=|AcD(z, X，t)
[0027] =IA(z,X,t+1)-A(z,X,t)I.
[0028] 在静态组织区域中的OCT复信号满足正态分布N(C，0 ,)，采用复信号差分算法后， 静态区域的幅度3。。,统计分布为满足尺度参数.的瑞利分布：
[0029]
[0030] 在动态的血流区域，复信号的实部和虚度都满足正态分布N(0, 0d);采用复信号 差分算法后，动态区域的的幅度a。。,统计分布为满足参数的瑞利分布：
[0031]
[0032] 建立采用幅度差分和复信号差分算法的Angio-OCT的信号统计理论模型；具体的 概率密度分布函数（幅度非负时）如下表所示：
[0033]
[0034] 一种光学微血管造影图像分割的评价方法，该方法具体包括W下步骤：
[0035] 在得出光学微血管造影中的时间统计模型后，利用该模型来指导后续的数据分析 和处理；
[0036] 首先从原始的时间域上一系列的0CT复信号中，通过统计分布直方图得到静态区 域的幅度标准差0,和动态区域的尺度参数0d;对于幅度差分或者复信号差分算法，按照 相应的统计模型中描述的分布函数，将动态区域和静态区域的归一化概率密度分布函数画 在同一坐标轴中，并求出两条概率密度分布曲线的交点，则该交点对应的幅度值为最小分 割误差率的分割阔值，幅度差分阔值Tad和复信号差分阔值TCD的具体形式如下；
[0037]
[003引使用该样的阔值分割方法，两条曲线的交叉重叠区域面积就拥有最小的分割误差 率；并且，由于幅度差分算法和复信号差分算法的概率密度分布函数已经被上文中的统计 模型所确定，其参数都依赖于初始的0CT复信号，故幅度差分算法和复信号差分算法的分 割误差率也都可W写成W0CT复信号中的参数为自变量的函数，即0d/0S)的形式；
[0039]
[0040] 上式中，CERad表不幅度差分算法的分割误差率，CERCD表