Advertisement

基于图形的视网膜层分割在OCT图像中的应用：展示MATLAB环境下对光学相干断层扫描图像的处理技术

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本研究探讨了利用MATLAB环境下的图形方法进行视网膜层自动分割的技术，专注于优化光学相干断层扫描(OCT)图像分析。通过此技术，提高了眼科疾病早期诊断的准确性和效率。 该脚本展示了如何使用图论技术来分割光学相干断层扫描图像中的视网膜层。使用方法：按 F5 运行脚本。 我正在开发一个开源软件包，用于在光学相干断层扫描图像中进行计算机辅助的视网膜层分割。当前版本包括： 1. 自动识别和分割6个视网膜层的功能。 2. 通过图形用户界面（GUI）检查并手动校正自动分割结果。 该工作基于以下参考文献： Chiu, Stephanie J., 等。“与专家手工分割一致的 SDOCT 图像中七个视网膜层的自动化分割。” 光学快报，18.18 (2010)： 19413-19428。 以及 庞宇腾。 Caserel - 开源软件包用于光学相干断层扫描图像中的视网膜层计算机辅助分割 泽诺多, 2013年. http://dx.doi.org/10.5281/zenodo.17893

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 基于图形的视网膜层分割在OCT图像中的应用：展示MATLAB环境下对光学相干断层扫描图像的处理技术
    优质
    本研究探讨了利用MATLAB环境下的图形方法进行视网膜层自动分割的技术，专注于优化光学相干断层扫描(OCT)图像分析。通过此技术，提高了眼科疾病早期诊断的准确性和效率。 该脚本展示了如何使用图论技术来分割光学相干断层扫描图像中的视网膜层。使用方法：按 F5 运行脚本。 我正在开发一个开源软件包，用于在光学相干断层扫描图像中进行计算机辅助的视网膜层分割。当前版本包括： 1. 自动识别和分割6个视网膜层的功能。 2. 通过图形用户界面（GUI）检查并手动校正自动分割结果。 该工作基于以下参考文献： Chiu, Stephanie J., 等。“与专家手工分割一致的 SDOCT 图像中七个视网膜层的自动化分割。” 光学快报，18.18 (2010)： 19413-19428。 以及 庞宇腾。 Caserel - 开源软件包用于光学相干断层扫描图像中的视网膜层计算机辅助分割 泽诺多, 2013年. http://dx.doi.org/10.5281/zenodo.17893
     
  • OCT图像分割(DME): 基于光学相干断层扫描的糖尿病性眼部病变分析
    优质
    本研究聚焦于运用光学相干断层扫描(OCT)技术对糖尿病视网膜病变中的黄斑水肿(DME)进行图像自动分割和定量分析，以期为临床诊断与治疗提供精准的数据支持。 该数据集包含用于分割糖尿病性黄斑水肿光学相干断层扫描图像的影像资料。数据来源于S. J. Chiu, M. J. Allingham, P. S. Mettu, S. W. Cousins, J. A. Izatt和S. Farsiu于2015年4月发表在《BIOMEDICAL OPTICS EXPRESS》期刊第6卷第4期，页码为1172-1194的文章。
     
  • MATLAB开发——视网膜层图像的图形分割
    优质
    本项目利用MATLAB进行视网膜层图像的自动分割研究，旨在提高眼科疾病的早期诊断和治疗效果。通过优化算法实现精准识别与分析。 在光学相干断层成像技术中演示基于图像的视网膜层分割方法，并使用MATLAB进行开发。
     
  • 基于MATLAB的光学相干断层扫描图像重建与光谱分析代码开发
    优质
    本项目致力于使用MATLAB开发一套针对光学相干断层扫描(OCT)技术的图像重建及光谱数据分析工具。通过该套程序，能够有效处理OCT数据，进行精确的图像重构，并对获取的数据实施深入的光谱学分析，为生物医学研究和临床应用提供强有力的技术支持。 该代码用于光谱域光学相干断层扫描（OCT）图像的重建及光谱分析，并作为我们称为MOZART的OCT分子成像平台的一部分使用。此代码旨在读取Thorlabs OCT设备生成的原始干涉图，其中SW版本4的效果最佳，但也支持对一些特定变化进行处理的版本3数据。它能够将这些原始干涉图转换为2D、3D或散斑方差形式下的OCT图像，并提供额外的功能： - 计算归一化的散斑方差（用于血管检测） - 基于双波段光谱分析计算色散补偿 - 绘制光谱对比度图表 - 创建结合了OCT图像、光谱分析和散斑方差的综合图像 此外，该代码支持创建更多种类的图像及执行更复杂的分析。此代码被用于发表在《科学报告》2016年的论文“具有皮摩尔灵敏度的对比增强光学相干断层扫描，用于功能性体内成像”，作者包括O Liba、ED SoRelle、D Sen和A de La Zerda。 如果您使用了我们的代码，请引用上述提及的研究文献。
     
  • MATLAB直方图裁剪代码-OCT-tools：用于脉络膜及视网膜层的OCT B扫描分割与分析
    优质
    这段代码是为使用MATLAB进行光学相干断层扫描（OCT）B扫描图像中脉络膜和视网膜层的精确分割而设计，提供详细的分层分析。 MATLAB裁剪直方图代码用于OCT工具，旨在从单个OCT B扫描图像中分割并分析视网膜层，重点在于计算脉络膜厚度。此代码由华盛顿大学的Sara Patterson开发。 使用方法如下：当所有图像都放在一个以数字命名的文件夹内时（例如1.png、2.png等），该代码运行效果最佳。经过处理和分析后的数据将以im1_、im2_等前缀保存。 若要比较同一只眼睛中的不同图像，首先需要将它们对齐。这可以通过alignImages.m函数实现，此函数会计算两个图像之间旋转所需的参数，并将其存储下来。完成分割后可以进一步确定沿X轴的平移量。 裁剪步骤：在OCT类中使用octImage属性返回经由特定角度旋转后的图像版本之后进行裁剪操作最为理想，在执行旋转处理后再裁减能取得更好的效果。MATLAB内置函数imcrop在此过程中非常有用。 用户可以在命令行输入ChoroidApp并选择所需分析的图像，或者直接将文件路径或OCT类作为第一个参数传递给该程序。 此外，代码还支持手动添加用于标记脉络膜-巩膜边界的控制点，并提供了一维直方图和峰谷检测功能以帮助更准确地定位这些边界。
     
  • 2048的Matlab源码-PyOCT：用于光谱域光学相干断层扫描的图像重建与数据处理
    优质
    本项目提供了一个基于Python的工具PyOCT，旨在支持光谱域光学相干断层扫描（SD-OCT）的数据处理和图像重建工作，并包含2048的Matlab源码以供参考。 PyOCT 是一个用于光谱域光学相干断层扫描（SD-OCT）成像重建的工具。它的开发目的是为了进行正常的 SD-OCT 成像重建，并包含以下主要步骤： 1. 读取数据。 2. 背景扣除。 3. 频谱重采样计算。 4. 像差校正（Alpha 校正）。 5. 相机色散校正（使用相机校正系数的 Beta 校正）。 6. 逆傅立叶变换获取 OCT 图像。 该算法最初是由康奈尔大学 Steven G. Adie 教授的研究实验室在 MATLAB 中开发出来的。通过矩阵运算，重建速度得到了提升。相比 MATLAB，Python 在从二进制文件中加载数据方面表现更佳，在我们的实验室计算机上进行测试时性能更加优越。 目前 PyOCT 仅支持 Python3.0+ 版本。 要快速开始使用，请按照以下步骤操作： 1. 使用 pip 安装 PyOCT： ``` $pip install PyOCT ``` 2. 如果需要运行最新版本的代码，可以通过 git 进行安装。 成功安装后，在 Python 环境中可以测试程序： ``` $from PyOCT import VolumeReconstruction ```
     
  • 基于CNN与改良图搜素算法的OCT图像视网膜层分割方法
    优质
    本研究提出了一种结合卷积神经网络（CNN）和改进图搜索算法的方法，专门用于光学相干断层扫描（OCT）图像中视网膜层的精确自动分割。该技术能够有效提升视网膜疾病诊断与分析的准确性。 本段落提出了一种结合卷积神经网络（CNN）与改进图搜索方法来分割光学相干断层扫描成像（OCT）图像中的7个视网膜层边界的技术。首先，利用CNN自动提取每个边界的特征并训练相应的分类器，由此得到的每个边界的概率图作为后续分割操作的关注区域；其次，提出了一种在垂直梯度基础上增加横向约束的改进图搜索方法，在遇到血管阴影时可以允许分割线横向穿过这些阴影。实验中使用该方法对正常图像进行视网膜层边界分割，并将结果与传统图搜索方法和基于CNN的方法的结果进行了比较。结果显示，所提出的算法能够精确地分割7个视网膜层边界，平均误差为4.31±5.87微米。
     
  • MATLAB灰度处理代码-OCT_preprocess：基于Python的光学相干断层扫描(OCT)数据预处理，包括视网膜检测等步骤。
    优质
    这段代码是用于进行OCT图像的预处理工作，采用Python编写，涵盖了视网膜区域的自动检测以及灰度处理等功能。该工具能够有效提升后续分析的质量和效率。 Matlab中的OCT_preprocess代码用于光学相干断层扫描（OCT）的预处理。该过程包括几个步骤：首先使用octSpectrailisReader将OCT图像转换为Python可处理的nd-array，并在matplotlib.pyplot.imshow中显示第一层图像，以检索有用的信息；接着retinaDetect函数查找内部限制膜（ILM）、内段（IS）、外段（OS）和Bruch膜（BM）的边界。在这幅图上标记了三行：ILM、ISOS（即IS和OS的组合），以及BM。之后，通过对图像进行归一化处理来减少噪声并提高清晰度；normalizeOCT函数用于执行这一操作，并生成灰度图像。 最后一步是retinaFlatten，它根据之前在retinaDetect中找到的边界值计算结果，并使用Bruch膜作为基准线将图像展平。最终输出提供两种形式：灰度和RGB。
     
  • MATLAB方差分析代码-光相干断层扫描重建与频谱分析：用于频谱域OCT图像...
    优质
    本项目提供了一套基于MATLAB的方差分析代码，专为光相干断层扫描（OCT）数据处理设计。通过该工具集可以进行有效的频谱域OCT图像重建及频谱分析，适用于科研与临床诊断应用。 MATLAB方差分析代码用于OCT（光学相干断层扫描）重建及光谱分析，以处理频域OCT图像的重建与解析工作。该代码作为我们称为MOZART的分子成像平台的一部分使用。编写此代码是为了从Thorlabs OCT系统中读取原始干涉图（推荐版本为4，但3版也适用，不过需要进行一些调整）。它能够将这些原始数据转换为OCT图像，并支持二维、三维以及散斑方差分析。 除重建图像外，该程序还具有以下功能： - 计算标准化的花斑变化以检测血管 - 实现色散补偿 - 通过双频频谱法计算频谱对立图 - 创建光谱深度校正后的图像 此外，它还能生成结合了OCT影像、光谱分析和斑点变异性的综合视图。 使用此代码及相关的数据分析可以创建如下所示的示例图片：（在连续注射两种类型的大金纳米棒后绘制小鼠耳廓的增强型OCT图像）。该应用案例参考文献为：“具有皮摩尔灵敏度的增强光学相干断层扫描，以进行功能性体内成像”，OLiba, EDSoRelle, DSen, AdeLaZerda-科学报告2016年。 我们感谢德国吕贝克Thorlabs团队在使用OCT系统及重建原始信号方面的支持。
     
  • 视网膜OCT图像的预处理方法
    优质
    本研究探讨了针对视网膜光学相干断层扫描(OCT)图像的高效预处理技术，旨在提高图像质量与分析准确性，为眼科疾病的早期诊断提供支持。 光相干层析技术（OCT）是一种新兴的成像技术，能够生成清晰的视网膜及黄斑区图像。本段落主要探讨了在开发视网膜OCT图像识别与临床诊断系统中采用的预处理方法。通过应用图像分割和增强等技术，实现了自动边缘检测与轮廓提取功能。对视网膜OCT图像进行预处理后，为后续的图像识别及分析奠定了坚实的基础，并且针对黄斑囊样水肿、黄斑裂孔以及正常情况下的视网膜OCT图像进行了实验验证，均获得了良好的效果。