糖尿病性视网膜病变是由糖尿病引起的高度特异性血管并发症,已经成为造成视力下降甚至失明的主要原因。近年来,频域光学相干断层成像技术(SD-OCT)在眼科领域得到了广泛运用,特别是在视网膜疾病的诊断中,因为它可以清晰地展示视网膜的多层结构和细微的病变。本文主要通过图像处理和分析的手段来研究SD-OCT糖网图像的病变,包含以下几个研究内容:(1)提出了一种基于自适应阈值和区域生长的高反射信号自动分割方法。首先使用层分割方法限制目标所在区域,然后采用自适应阈值法确定种子点图像,最后通过基于人类视觉特性的区域生长方法分割目标。实验结果表明该方法可以有效地分割SD-OCT糖网图像中的高反射信号。(2)提出了一种基于深度卷积神经网络的高反射信号自动分割方法。本文修改了经典的图像分类网络(谷歌网络和残差网络)以适应小图像块的分类。根据高反射信号的分布和几何特性构造了一个特定的数据集来训练网络模型。基于不同网络和不同输入尺度进行了一系列对比实验,最终获得最优的分割效果。实验结果表明该方法能够准确地分割出目标,视觉上更加接近人工分割结果。(3)深度分析了 SD-OCT糖网图像中的高反射信号与硬性渗出的关系。首先将SD-OCT投影图像与彩色眼底图像配准来确定SD-OCT图像中对应的硬性渗出。然后提取面积、数目、灰度、高度、到中央凹的距离五个图像特征来分析高反射信号与硬性渗出的关系,并根据这些病灶特征构建病变评估模型。实验结果表明在不同病变阶段,高反射信号与硬性渗出在面积和数目上有着较强的正相关性,具有统计学意义(p＜0.05),面积和数目这两个特征对于糖网病变程度评估来说可能是新的重要依据。