本发明涉及医学图像处理，具体涉及一种基于oct图像的眼底黄斑裂孔最小径自动测量方法。
背景技术：
1、黄斑裂孔(macular hole,mh)是指黄斑的神经上皮层的局限性全层缺损，根据发病原因可分为特发性和继发性黄斑裂孔，前者病因不明，后者多继发于眼外伤、黄斑变性、高度近视等疾病。特发性全层黄斑裂孔(idiopathic full thickness macular hole,iftmh)是黄斑中心凹从内界膜到视网膜色素上皮层的视网膜全层缺失，是眼科临床较为常见的眼底病之一，该疾病症状主要表现为患者视力下降、视物变形、中央暗点、视野缺损，对患者生活质量有极其严重的影响。玻璃体切除联合内界膜剥除术是治疗黄斑裂孔的手术方式，mh术后解剖闭合率可达90％以上，但是其术后视力恢复仍因人而异。随着眼科检查设备的更新以及对发病机制研究的深入，其治疗方式也趋于多样化和精准化。
2、黄斑裂孔的大小由全层缺损的最小径定义，临床上，医生通过oct(opticalcoherence tomography,oct)扫描的方式测量黄斑裂孔的大小。术前黄斑裂孔大小与手术解剖成功率相关，延迟重新开放(定义为闭合6个月或更长时间的黄斑裂孔的开放)也与术前初始oct测量相关。对于巨大裂孔以及病程长的难治性裂孔，术后会出现不同程度的重新开放，这对患者视力造成更严重的影响，再次手术也将面临更大的风险。既往研究表明mh越大，术后重新开放的风险就越大，对患者术后最佳矫正视力(best corrected visualacuity,bcva)和视敏度(visual acuity,va)等临床指标都有很大影响。根据国际玻璃体黄斑牵引研究小组对黄斑裂孔发展阶段的分类，黄斑裂孔的最小径的尺寸是临床诊断的重要指标，因此，精准测量黄斑裂孔的大小具有重要意义。
3、临床上，医生通常使用眼科软件的嵌入式手动卡尺对mh大小进行手动测量，并根据测量结果对黄斑裂孔进行分类分期。然而，手动测量的方式效率低、精确性差，高度依赖医生的个人经验。其次，当前我国眼底专科医生的数量远不能满足目前的公共卫生需求，眼科优质医疗资源较少，手动测量的方式无法满足医疗资源欠发达地区众多患者的需求。
4、目前，对于自动测量黄斑裂孔的研究较少，由于设备采集的oct图像通常对比度低、噪声大，黄斑裂孔边缘较为模糊，使得自动测量黄斑裂孔大小这项任务十分具有挑战性。2023年，一种基于yolov7算法实现了对黄斑裂孔的检测，对检测后的边界框内像素应用otsu阈值分割使该区域二值化，在该区域内绘制8条水平方向的等距线，根据8条线中最短的一条线水平方向上数值为0的像素个数计算黄斑裂孔的大小。但是，该方法只能粗略测量水平方向上黄斑裂孔的最小径，测量值并不能反应黄斑裂孔最小径的真实值。
技术实现思路
1、为此，本发明提供一种基于oct图像的眼底黄斑裂孔最小径自动测量方法，以解决背景技术中提出的问题。
2、为了实现上述目的，本发明提供如下技术方案：一种基于oct图像的眼底黄斑裂孔最小径自动测量方法，包括：
3、数据准备：获取公开的眼底黄斑裂孔oct数据集，并对图像数据进行裁剪，使图像中只保留部分黄斑裂孔病灶区域，最大程度上减少其他部分图像的干扰，为图像处理做准备；
4、图像处理，包括图像去噪、图像二值化、图像形态学运算以及边缘检测；首先图像去噪采用线性滤波中的高斯滤波和非线性滤波中的中值滤波叠加的方式，再使用三角形法自动寻求全局阈值，根据该阈值对去噪后的图像进行二值化处理，将生成只包含有黑色和白色的图像；通过图像形态学运算处理，去除图像中的囊腔区域；最后进行边缘检测，以识别图像中的强边缘和弱边缘；
5、自动测量，通过自动寻找图像中的两条轮廓线，自动找到两条轮廓线距离最近的位置并计算两条轮廓的最小欧氏距离。
6、优选的，线性滤波中的高斯滤波步骤包括：二维高斯函数如公式(1)所示，
7、利用公式(1)生成的高斯核将对图像x和y方向滤波；
8、
9、g(x，y)表示高斯函数在点(x，y)的值；σ为高斯滤波的标准差，它决定了高斯函数在每个方向上的宽度；标准差越大，高斯函数的扩展越宽，越平滑；x和y为自变量，表示点在图像中的位置。
10、优选的，三角形法自动寻求全局阈值具体步骤包括：首先计算图像的灰度强度直方图，假设直方图最大波峰在靠近最亮的一侧，然后通过三角形求得最大直线距离，根据最大直线距离对应的直方图灰度等级确定阈值。
11、优选的，形态学运算处理包括闭运算、开运算、腐蚀、填充以及膨胀操作；将图像腐蚀和图像膨胀相结合，实现图像的闭运算与开运算；
12、其中，闭运算是对图像先膨胀再腐蚀的操作，如公式(2)所示；
13、closing(a)＝erosion(dilation(a)) (2)；
14、a表示输入的二值图像或形态学操作的目标对象；erosion表示腐蚀，形态学操作之一；dilation表示膨胀，形态学操作之一；
15、闭运算对图像先膨胀后腐蚀，去除连通域内的小型空洞，连接邻近的连通域，平滑轮廓的边缘；而开运算是对图像先腐蚀再膨胀的操作，如公式(3)所示；
16、opening(a)＝dilation(erosion(a)) (3)；
17、开运算对图像先腐蚀后膨胀，去除图像中的噪声，消除较小的连通域，保留较大的连通域，在不明显改变较大连通域面积的情况下平滑连通域的边界；对二值化图像进行形态学运算处理后，对较小的封闭黑色区域进行填充以消除囊腔结构。
18、优选的，边缘检测过程分为以下步骤：
19、步骤1：图像降噪：使用高斯滤波平滑图像，减少图像中的噪声，一般情况下使用如公式(4)所示的5*5的高斯滤波器；
20、
21、步骤2：计算图像梯度：计算图像中每个像素灰度值的梯度方向和幅值；首先，通过sobel算子分别检测图像x方向和y方向的边缘，再利用公式(5)和公式(6)分别计算梯度的方向θ和幅值g，式中ix表示像素在x方向的灰度，iy表示像素在y方向的灰度；sobel算子通过离散微分方法有效地提取图像边缘；
22、
23、步骤3：非极大值抑制：通过非极大值抑制算法消除边缘检测带来的杂散响应；灰度变化的区域通常比较集中，将局部范围内的梯度方向上，灰度梯度最大的像素保留下来，其它的不保留，可以剔除掉一大部分点，将有多个像素宽的边缘变成一个单像素宽的边缘；
24、步骤4：双阈值筛选：通过非极大值抑制后，仍然有很多可能的边缘点，用双阈值法划分强边缘和弱边缘，保留灰度梯度大于高阈值的像素为强边缘，去除灰度梯度小于低阈值的像素，灰度梯度介于高、低阈值之间的像素被筛选为弱边缘；在弱边缘的邻域内搜索，如果存在强边缘则保留该弱边缘，如果不存在则删除弱边缘，完成边缘检测。
25、优选的，欧氏距离计算如公式(8)所示，
26、
27、其中，x1和y1表示第一个点的像素坐标，x2和y2表示第2个点的像素坐标，d表示两个像素点的欧氏距离。
28、本发明具有如下优点：
29、本发明将图像去噪、图像二值化、图像形态学运算、边缘检测算法相结合，算法具有良好的鲁棒性和创新性，对黄斑裂孔直径的自动测量，测量过程高效，测量结果精准，可以缓解沉重的临床压力。结合自动测量结果，医生可以为患者制定更加周详的诊疗方案。本发明弥补了当前人工智能技术当前在黄斑裂孔疾病中应用较少的不足，在绝大多数黄斑裂孔oct数据上对黄斑裂孔轮廓边缘均有良好的检测效果，对于推动精准医疗、智能医疗、远程医疗的发展具有重要意义。
1.一种基于oct图像的眼底黄斑裂孔最小径自动测量方法，其特征在于：包括：
2.根据权利要求1所述的一种基于oct图像的眼底黄斑裂孔最小径自动测量方法，其特征在于：线性滤波中的高斯滤波步骤包括：二维高斯函数如公式(1)所示，
3.根据权利要求1所述的一种基于oct图像的眼底黄斑裂孔最小径自动测量方法，其特征在于：三角形法自动寻求全局阈值具体步骤包括：首先计算图像的灰度强度直方图，假设直方图最大波峰在靠近最亮的一侧，然后通过三角形求得最大直线距离，根据最大直线距离对应的直方图灰度等级确定阈值。
4.根据权利要求1所述的一种基于oct图像的眼底黄斑裂孔最小径自动测量方法，其特征在于：形态学运算处理包括闭运算、开运算、腐蚀、填充以及膨胀操作；将图像腐蚀和图像膨胀相结合，实现图像的闭运算与开运算；
5.根据权利要求1所述的一种基于oct图像的眼底黄斑裂孔最小径自动测量方法，其特征在于：边缘检测过程分为以下步骤：
6.根据权利要求1所述的一种基于oct图像的眼底黄斑裂孔最小径自动测量方法，其特征在于：欧氏距离计算如公式(8)所示，
