基于FCM和EM算法的视网膜OCT图像3-D分割的中期报告.docx

基于FCM和EM算法的视网膜OCT图像3-D分割的中期报告
一、研究背景
视网膜杯盘比值（CDR）是眼科医生用来评估病人是否患有青光眼的重要指标之一。视网膜OCT（OpticalCoherenceTomography）是一种无创的图像检查方法，可以对眼部组织进行高分辨率成像，是眼科医生评估CDR的常用工具。然而，手动测量CDR和视网膜的分割是一项耗时且繁琐的任务，而且依赖于医生的经验和技能。因此，自动CDR测量和视网膜分割具有重要的临床价值。
二、研究目的
本研究旨在开发一种基于FCM（FuzzyC-Means）和EM（Expectation-Maximization）算法的视网膜OCT图像3-D分割方法，以准确和高效地提取视网膜和杯盘的轮廓，实现自动化测量CDR的功能。
三、研究内容
本研究主要分为以下四个步骤：
1.数据集：收集视网膜OCT图像数据集，包括正常人和患有青光眼的人的图像，共计100张。
2.预处理：对收集的视网膜OCT图像进行预处理，包括灰度值归一化和去噪处理。
3.分割算法：基于FCM和EM算法，实现视网膜OCT图像的自动分割。FCM算法用于初步分割，将图像像素分为视网膜和背景两类，得到前景掩模图。EM算法则用于深入分割，将视网膜进一步分为杯盘和视神经纤维层两部分，得到最终的视网膜分割图。
4.性能评估：使用Dice系数、灵敏度、特异度和ROC曲线等指标对所提出的分割算法进行性能评估和分析。
四、研究进展
目前已完成前两个步骤，即数据集的收集和预处理。下一步将进行算法的实现和性能评估，并进行调优和改进。
预计在接下来的研究中，我们将进一步优化算法，提高分割的准确性和效率，并将其应用于临床实践中，为眼科医生提供更准确、快捷和全面的CDR测量和视网膜分割服务。