结合K-means算法的C-V分割模型改进方法——以黄斑水肿区域分割为例

• 作者: 李晓凯 李超鹏
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 光学相干断层成像 K-means算法 C-V模型 水平集 糖尿病性黄斑水肿分割
• 年，卷（期）: 2020,（z2）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 204-209
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020010134

摘要

光学相干断层成像(OCT)是眼科用于检测糖尿病性黄斑水肿(DME)病变部位的主要成像技术.针对OCT图像中DME水肿区域的高精准提取问题,提出了一种结合K-means算法的C-V分割模型改进方法.首先用变分水平集函数替代C-V模型中的水平集函数,终止C-V模型演化过程中的初始轮廓曲线重新初始化问题,提高分割模型的计算效率;在此基础上利用K-means算法对视网膜轮廓区域进行分割,将其作为固定的初始轮廓曲线,克服C-V模型对初始轮廓区域的敏感问题,提高分割结果的精度.实验结果表明:所提方法与测地活动轮廓(GAC)模型和选择性二值高斯滤波正则化水平集(SBGFRLS)模型相比,在迭代次数上分别减小了约90.8％和69％;在时间上分别减少了约99.3％和82.5％;所提方法的分割精确度、召回度和Dice相似性系数分别为97.95％、98.90％、98.42％.所提分割方法能够有效提高DME水肿区域边界的分割精度,同时降低了计算的复杂度,可为临床诊断提供技术支撑.