视网膜作为眼睛里非常精细、脆弱的一个组织,是许多疾病的靶向器官。青光眼是一种慢性的、退行性的视神经疾病,其起病隐匿,不易被觉察,是目前我国以及世界上主要的致盲眼科疾病之一。到目前为止,临床上还没有能逆转视神经损害的方法,因此青光眼的早期诊断对治疗而言非常重要。光学相干断层扫描(Optical Coherence Tomography,OCT)成像因其实时、在体、高分辨率、无创等特点,被广泛用于青光眼病人视网膜结构变化的监测、辅助治疗及疗效评价等各个方面。面对海量的影像数据,医生们迫切地需要一种高效的视网膜OCT图像分析方法。因此,对视网膜图像的处理与分析在医学图像处理领域一直是近年研究的热点和难点。本文针对正常人和青光眼病人的视网膜分割算法、厚度分析、光密度分析做了一系列研究,主要工作和创新点总结如下:1.提出了基于统计模型和图搜索的视网膜OCT图像视盘、视杯边缘自动检测算法。针对视网膜视乳头区域结构复杂、视盘附近有着丰富的血管和神经所造成的视盘视杯分割困难的特点,本文提出先采用统计模型的方法实现视盘边界的初始定位,再用图搜索算法对视盘边界进行优化并检测视杯边界。实验表明,该方法有效地利用了图像的形状和纹理信息,实现了在视乳头区域视网膜OCT图像中视盘、视杯边界的准确自动分割,具有较好的检测性能。2.提出了基于GS-AAM的青光眼视乳头区域OCT图像的自动分层算法。视乳头区域的视网膜是一种内含“孔洞”的多层结构,针对分割这样一组不连续表面的问题,我们提出了一种基于主动外观模型(Active Appearance Model,AAM)和图搜索(Graph Search,GS)技术相融合的GS-AAM分割算法。该算法充分利用了视乳头区域视网膜图像的三维结构信息,而图搜索技术则将AAM的分割结果用做表面检测的约束条件,在给定的代价函数下找到全局最优解,最终实现视网膜层快速、准确地自动分割,并获得了良好的分割结果。3.基于视网膜厚度分析,全面对比分析了基于图搜索的视网膜分析算法和Topcon OCT自带算法的性能。在正常人以及原发性开角型青光眼(Primary Open-Angle Glaucoma,POAG)的数据集上比较并分析了两种算法对SD-OCT图像分层及厚度分析的性能差异。研究揭示了我们基于图搜索的视网膜分析方法其性能不但与Topcon算法具有高度相关性及一致性,而且通过实例对比说明了我们的分层算法具有更高的准确性且能分析更多层的信息。4.全面统计分析了正常组的光密度分布特点及相关影响因素,通过正常组和青光眼组的光密度对比分析,研究了视网膜神经纤维层(Retinal Nerve Fiber Layer,RNFL)光密度在青光眼诊断中的意义。研究发现:正常人的RPE、感光细胞层(Photoreceptor Layer,PR)、RNFL的平均光密度最高,外核层(Outer Nuclear Layer,ONL)的平均光密度最低。在黄斑区域ETDRS分区中,RNFL、神经节细胞层(Ganglion Cells Layer,GCL)、内丛状层(Inner Plexiform Layer,IPL)、内核层(Inner Nuclear Layer,INL)、外丛状层(Outer Plexiform Layer,OPL)及PR层的中心区域的光密度值最低,RPE的中心区域光密度值最高。大多数视网膜层的光密度与图像质量正相关,却与年龄负相关。光密度与性别、身高、眼轴长度等因素无关。我们还发现RNFL光密度值与青光眼的严重程度负相关,与视野缺损显著相关。为将来建立正常人光密度图谱提供了研究基础,并为青光眼诊断提供了有效的参考指标。