视力障碍是影响人们生活质量的重要因素,视网膜病变是影响视力下降的一个主要原因,如老年黄斑性病变(AMD)、青光眼、糖尿病性视网膜病变(DR)。近几年,由于光学相干断层(OCT)成像技术具有成像速度快、高分辨率、非侵入性等特点,广泛应用于视网膜疾病诊断治疗,尤其是频域OCT(SD-OCT)成像技术,能够观察到视网膜内部三维精细结构。利用图像处理和识别手段量化分析SD-OCT视网膜图像病变区域,实现辅助诊疗视网膜疾病,具有重要的临床和研究价值,同时,也具有极大的挑战。一方面,随着SD-OCT成像技术的广泛应用,如何通过计算机对视网膜病变区域进行有效快速地分割和量化已变得越来越重要。另一方面,SD-OCT成像技术提供更多眼疾相关的临床生理表型,如何利用临床生理表型建立疾病演化模型评价诊疗效果,预测病变演化趋势,是当前眼科领域热点研究课题。本文围绕SD-OCT视网膜图像病变区域量化分析及演化趋势,研究了 SD-OCT视网膜图像组织层分割、视网膜图像黄斑中央凹自动检测、地图状萎缩(GA)病变区域的自动识别与量化分析以及GA病变演化区域预测等关键问题。论文的主要工作总结如下:(1)提出了两种SD-OCT视网膜图像的层分割算法,分别是基于对偶梯度和空间约束的视网膜层分割算法和应用多尺度三维图搜索的视网膜层分割算法。对于正常眼睛来说,两种算法均有效地分割出视网膜层边界。对于患有疾病的图像,第一种算法的视网膜层分割能力有限,而第二种算法可以自动地分割多种疾病的视网膜层边界,且分割结果相对准确。大量实验结果证明,本章提出的方法在分割精度和应用范围上优于其它方法。(2)提出了一种SD-OCT视网膜图像的黄斑中央凹自动定位算法。黄斑中央凹区域是SD-OCT视网膜厚度图像上最凹陷的区域,结合视网膜厚度图像的方向显著性、位置显著性和局部数据结构显著性,识别潜在的黄斑中央凹区域,并在其内搜索最小凹点,即黄斑中央凹。实验结果证明,该算法能够快速鲁棒地检测出多种视网膜病变图像的黄斑中央凹。(3)提出了一种嵌入局部相似因子的区域活动轮廓模型,并应用于GA病变区域的识别与量化。该模型通过空间距离平衡局部窗口内像素点与全局灰度均值的差异来构建局部相似因子,将局部相似因子嵌入到区域活动轮廓模型。然后利用GA眼底图像的最大灰度信号文件改进迭代阈值分割结果,并将其设置为初始活动轮廓曲线,实现SD-OCT图像的GA病变区域识别。实验表明,该模型从定量测量和视觉观察两个方面获得了很好的GA识别结果。(4)GA病变随着时间的推移而向周围区域快速演化,若能正确的预测未来GA可能出现的位置,有助于更好地理解GA出现的病理生理机制以及可能修改病人随访的治疗方案。从SD-OCT图像中提取19个GA量化特征,采用随机森林建立预测模型,并利用该模型预测未来一段时间GA可能出现的位置,提出了一种基于回归学习的GA病变演化区域自动预测模型。根据临床实践设计了三种评价机制以更好地评价预测模型性能。实验表明,GA量化特征重要性显示了提取的19个量化特征是行之有效的GA演化预测因子,定量分析证明了该模型对未来一段时间GA增长区域具有潜在的预测能力。