面向辅助医疗诊断的眼底图像评价与优化方法研究

发布时间：2021-05-25 10:36

　　眼底图像由专用眼底相机拍摄得到,包括视网膜视盘、黄斑和视网膜血管等主要结构,为医学影像中的一种重要图像,被广泛应用于辅助医疗诊断中。一方面,它可以辅助眼科医生诊断如青光眼、老年性黄斑病变和糖尿病视网膜病变等眼底疾病。另一方面,由于视网膜血管是人类血液循环系统中唯一可以无创伤观察到的血管结构,通过观察视网膜血管结构也可以辅助医生诊断一些全身性的心血管疾病。因此,为使眼底图像更好地辅助医疗诊断,本课题围绕眼底图像的评价和血管优化做了以下三个方面的研究:（1）提出一种基于亮度、自然度和结构布局分析的眼底图像质量评价方法,结合眼底图像的亮度、自然度和结构布局三重指标,自动将眼底图像分为质量好和质量差两类,并推荐质量差的眼底图像重新拍摄。首先,选取1000幅具有代表性的眼底图像建立评价所用图像库,并对眼底图像亮度、自然度和图像拍摄布局进行主观打分。然后,建立无参考眼底图像客观质量评价模型:采用像素值统计方法评价眼底图像亮度是否合理,融合多种特征训练多元高斯模型预测图像是否清晰自然,并通过视盘定位计算视盘在眼底图像的相对位置来衡量图像拍摄布局是否合理。最后,由多种质量回归方法得出眼底图像的总体质量... 

【文章来源】：宁波大学浙江省

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
引言
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 眼底图像的质量评价方法
        1.2.2 眼底图像的血管分割方法
    1.3 论文主要工作及创新
    1.4 论文章节安排
2 基于亮度、自然度和结构布局分析的眼底图像质量评价
    2.1 数据库建立
        2.1.1 眼底图像收集
        2.1.2 主观评价
    2.2 客观评价方法
        2.2.1 预处理
        2.2.2 亮度评价
        2.2.3 自然度评价
        2.2.4 结构布局评价
        2.2.5 质量融合
    2.3 实验结果及性能分析
    2.4 本章小结
3 眼底图像血管增强方法研究
    3.1 基于Frangi滤波的血管增强
    3.2 基于Retinex的血管增强
    3.3 基于形态学变换的血管增强
    3.4 基于多尺度线状结构检测的血管增强
    3.5 基于TV-L1 模型的血管增强
    3.6 基于CLAHE的血管增强
    3.7 本章小结
4 基于跨模态字典学习的眼底图像血管分割
    4.1 预处理
    4.2 跨模态字典训练
    4.3 血管重建分割
    4.4 后处理
    4.5 实验结果及性能分析
        4.5.1 数据库和评估指标
        4.5.2 实验结果
        4.5.3 性能比较
    4.6 本章小结
5 融合多种增强特征的辨别性视网膜血管分割
    5.1 增强图像获取
    5.2 粗细血管分类
    5.3 辨别性字典训练
    5.4 血管重建及后处理
    5.5 实验结果及性能分析
        5.5.1 实验结果
        5.5.2 性能比较
    5.6 本章小结
6 总结与展望
    6.1 本文工作总结
    6.2 未来研究展望
参考文献
在学研究成果
致谢


【参考文献】：
期刊论文
[1]邻域约束模型的眼底图像硬性渗出聚类检测方法[J]. 曹新容,林嘉雯,薛岚燕,余轮.  计算机辅助设计与图形学学报. 2018(11)
[2]CT影像识别的卷积神经网络模型[J]. 管姝,张骞予,谢红薇,强彦,程臻.  计算机辅助设计与图形学学报. 2018(08)
[3]基于局部形状结构分类的心血管内超声图像中-外膜边界检测[J]. 袁绍锋,杨丰,刘树杰,季飞,黄靖.  电子学报. 2018(07)
[4]一种混合特征高效融合的视网膜血管分割方法[J]. 蔡轶珩,高旭蓉,邱长炎,崔益泽.  电子与信息学报. 2017(08)
[5]基于多特征融合和随机森林的视网膜血管分割[J]. 朱承璋,崔锦恺,邹北骥,陈瑶,王俊.  计算机辅助设计与图形学学报. 2017(04)
[6]基于深度学习的无参考立体图像质量评价[J]. 田维军,邵枫,蒋刚毅,郁梅.  计算机辅助设计与图形学学报. 2016(06)
[7]眼底图像中黄斑中心与视盘自动检测新方法[J]. 郑绍华,陈健,潘林,郭健,余轮.  电子与信息学报. 2014(11)
[8]基于Hessian算子的多尺度视网膜血管增强滤波方法[J]. 丘赟立,蒋先刚,熊娟.  计算机应用与软件. 2014(09)

硕士论文
[1]视网膜图像解剖结构检测及病变分析研究[D]. 陈宁华.浙江大学 2017



本文编号：3205188