脉络膜新生血管疾病是由脉络膜生长出来的新生血管突破布鲁赫膜造成的,它是视网膜疾病中导致视力丧失的主要原因之一。目前最有效的治疗方案是玻璃体注射抗血管内皮生长因子(vascular endothelial growth factor,VEGF)药物来抑制新生血管生长,但是该治疗方案需要反复注射药物治疗,而多次药物注射会对视网膜造成不可逆的伤害甚至致盲。光学相干断层扫描成像技术(optical coherence tomography,OCT)具有高分辨率和无创性等优点,被广泛地应用于脉络膜新生血管疾病的临床治疗评估和疾病随访中。所以,实现以图像引导的脉络膜新生血管生长预测对减少治疗次数,制定个性化治疗方案具有重要意义。本文主要研究基于OCT图像的脉络膜新生血管生长预测问题,主要工作和贡献如下:本文提出了一种基于OCT图像的脉络膜新生血管生长预测方法。该方法主要包括三个部分:预处理、建模和预测。首先,对OCT图像进行预处理。该预处理包括OCT图像去噪、不同时间点采集的图像间的刚性配准和基于图搜索算法的视网膜层分割,该方法可以准确地分割出脉络膜新生血管疾病区域、内视网膜层、外视网膜层和脉络膜层。其次是建模,用反应扩散模型来模拟脉络膜新生血管疾病区域的生长/萎缩,并用有限元方法求解模型中的偏微分方程。最后,提出一种多时间点预测方法。该预测方法主要是采用遗传算法优化模型中的生长参数,然后将获得的优化参数进行曲线拟合,根据拟合的曲线得到预测参数,从而获得预测图像,最后将预测图像与真实图像进行比较以评估本文提出的预测方法的性能。本文方法在7个患有脉络膜新生血管性黄斑变性的患者身上采集的共91幅OCT图像上进行实验。得到预测的平均真阳性体积分数(TPVF)、假阳性体积分数(FPVF)和戴斯系数(DSC)分别是75.00%、2.19%和76.40%。对预测结果和手动分割的金标准进行线性回归分析,其结果显示这两者具有很强的相关性。