眼底视网膜血管语义分割算法研究
发布时间：2021-11-01 18:16
作为人体能够直接观察到的深层微血管,眼底图像中视网膜血管的不同形态（如直径、长度、分支、曲折等）具有医学诊断价值,可以用于心脑血管疾病和眼科疾病的检测、评估以及治疗阶段。眼底图像的获取便捷、无创,观察视网膜血管形态结构也非常容易。自动分割眼底血管能够减少眼科医生的工作量,同时提高分割准确率,再利用计算机辅助,可以进行大规模的眼科疾病、心血管疾病筛查和分析。从眼底图像中分割出血管是眼底图像分析的第一步,然而,由于眼底血管复杂的分支结构、嘈杂的背景和不同光照的差异,实施难度很大。本文提出了使用深度学习算法,构建语义分割网络,来实现对眼底图像的血管分割。近年来图像处理技术飞速发展,卷积神经网络的使用已成为研究热点,尤其是在图像分割、识别和检测等领域中都取得了显著成果。图像语义分割无论在人工智能领域还是深度学习、机器视觉中都是一个重要的环节。视网膜血管图像语义分割,简而言之就是把图片上的每一个像素点分类为血管像素点以及非血管像素点。本文构建出两种不同的语义分割网络——RV-SegNet、RV-LinkNet来进行视网膜血管分割。RV-SegNet（Retinal Vessel SegNet）是...
【文章来源】：内蒙古科技大学内蒙古自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
带有病
内蒙古科技大学硕士学位论文-8-2实验整体环境2.1引言本课题将使用深度学习的方法进行视网膜图像的血管分割，整体流程图如图2.1所示。首先将数据库图像进行预处理，得到训练数据集，再构建适用于本任务的语义分割网络，经过多次训练得到最佳的血管网络模型。若把整体流程分为两部分，可以分为实验整体环境，如图2.1左侧所示，和语义分割网络，如图2.1右侧所示。图2.1视网膜血管语义分割整体流程图本课题将使用深度学习的方法，无论是对于不同的语义分割网络的构建、测试以及获得最佳网络参数，都需要极大的训练数据量以及计算机强大的计算能力作为支撑。数据集的制作以及实验环境的搭建将直接决定视网膜血管分割效果，因此，首先进行整体实验环境的准备。本章节将介绍视网膜血管语义分割的数据库，数据集的制作，血管分割结果的评估方法以及实验环境。2.2.数据集制作2.2.1眼底视网膜数据库当前，存在完全公开的DRIVE、STARE、CHASE_DB1等眼底视网膜图像的数据库[25]，并且每个数据库的视网膜图像特点不同，图像上专家手动分割注释也不同。根据
内蒙古科技大学硕士学位论文-9-实际情况，实验使用DRIVE数据库进行网络的训练，并使用DRIVE、STARE和CHASE_DB1来验证。表2.1是这三个数据库的简单对比。表2.1眼底数据库对比表数据库名称图像数量训练集/测试集数量图像尺寸（pixel）图像格式DRIVE4020/20768×584JPEGSTARE2010/10605×700PPMCHASE_DB128-999×960JPG/PNG（1）DRIVE数据库DRIVE数据库是视网膜图像处理领域中应用最广泛的标准库之一，拍摄对象年龄大都在25-90岁。DRIVE数据库图像的存储格式为JPEG。使用佳能CR53CCD非散瞳相机捕获此图像，具有45度视场角，得到768×584像素大小的图像，视场为圆形。DRIVE数据库中的每幅图像都对应自己的掩码（Mask）图像，这可以对眼底图像进行裁剪得到视野的轮廓。DRIVE直接把40张彩色眼底图像分为两组，分别是训练集和测试集，各20张，不需要使用者另外分组，更便于使用。训练集中提供了一位专家的手动进行分割的结果；对于测试的图像则提供了两组不同的专家手动进行分割结果。(a)眼底彩色图像(b)Mask(c)专家分割图图2.2DRIVE数据库（2）STARE数据库STARE数据库是1975年提出的，全称是StructuredAnalysisoftheRetina。该项目的目的是研究一种系统，该系统将使用加利福尼亚大学希利眼科研究所和退伍军人医学
【参考文献】：
期刊论文
[1]基于Frangi滤波器和Otsu视网膜血管分割[J]. 孟琳,刘静,曹慧,史婷瑶,张驰. 激光与光电子学进展. 2019(18)
[2]基于改进R-FCN的遥感图像舰船检测[J]. 王健林,吕晓琪,张明,李菁. 激光与光电子学进展. 2019(16)
[3]基于Dense Connected深度卷积神经网络的自动视网膜血管分割方法[J]. 唐明轩,李孝杰,周激流. 成都信息工程大学学报. 2018(05)
[4]基于监督的全卷积神经网络视网膜血管分割[J]. 王娜,傅迎华,蒋念平. 软件导刊. 2018(08)
[5]高血压病患者眼底病变分级与眼血流动力学参数的相关性[J]. 李成武,庄曾渊,刘静,安娜,朱永涛. 眼科. 2017(03)
[6]糖尿病视网膜病变图像的血管分割方法研究[J]. 闵锋,单玲玉,张彦铎. 华中科技大学学报(自然科学版). 2015(S1)
[7]视力损害的流行病学研究[J]. 美丽巴努·玉素甫,陈雪艺. 国际眼科杂志. 2010(02)
[8]不同程度和不同类型的高血压对糖尿病心、眼、肾并发症的影响[J]. 王照,许樟荣,王玉珍,莫朝晖,李翔. 中国糖尿病杂志. 2008(10)
[9]基于Hessian矩阵的冠状动脉中心线的跟踪算法[J]. 许燕,胡广书,商丽华,耿进朝. 清华大学学报(自然科学版). 2007(06)
硕士论文
[1]基于光学相干断层扫描图像的脉络膜新生血管生长预测[D]. 朱书霞.苏州大学 2017
[2]糖尿病视网膜病变图像的血管提取方法研究[D]. 单玲玉.武汉工程大学 2015
[3]基于特征识别的视网膜血管分割方法研究[D]. 王晓红.中南大学 2014
本文编号：3470575
【文章来源】：内蒙古科技大学内蒙古自治区
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
带有病
内蒙古科技大学硕士学位论文-8-2实验整体环境2.1引言本课题将使用深度学习的方法进行视网膜图像的血管分割，整体流程图如图2.1所示。首先将数据库图像进行预处理，得到训练数据集，再构建适用于本任务的语义分割网络，经过多次训练得到最佳的血管网络模型。若把整体流程分为两部分，可以分为实验整体环境，如图2.1左侧所示，和语义分割网络，如图2.1右侧所示。图2.1视网膜血管语义分割整体流程图本课题将使用深度学习的方法，无论是对于不同的语义分割网络的构建、测试以及获得最佳网络参数，都需要极大的训练数据量以及计算机强大的计算能力作为支撑。数据集的制作以及实验环境的搭建将直接决定视网膜血管分割效果，因此，首先进行整体实验环境的准备。本章节将介绍视网膜血管语义分割的数据库，数据集的制作，血管分割结果的评估方法以及实验环境。2.2.数据集制作2.2.1眼底视网膜数据库当前，存在完全公开的DRIVE、STARE、CHASE_DB1等眼底视网膜图像的数据库[25]，并且每个数据库的视网膜图像特点不同，图像上专家手动分割注释也不同。根据
内蒙古科技大学硕士学位论文-9-实际情况，实验使用DRIVE数据库进行网络的训练，并使用DRIVE、STARE和CHASE_DB1来验证。表2.1是这三个数据库的简单对比。表2.1眼底数据库对比表数据库名称图像数量训练集/测试集数量图像尺寸（pixel）图像格式DRIVE4020/20768×584JPEGSTARE2010/10605×700PPMCHASE_DB128-999×960JPG/PNG（1）DRIVE数据库DRIVE数据库是视网膜图像处理领域中应用最广泛的标准库之一，拍摄对象年龄大都在25-90岁。DRIVE数据库图像的存储格式为JPEG。使用佳能CR53CCD非散瞳相机捕获此图像，具有45度视场角，得到768×584像素大小的图像，视场为圆形。DRIVE数据库中的每幅图像都对应自己的掩码（Mask）图像，这可以对眼底图像进行裁剪得到视野的轮廓。DRIVE直接把40张彩色眼底图像分为两组，分别是训练集和测试集，各20张，不需要使用者另外分组，更便于使用。训练集中提供了一位专家的手动进行分割的结果；对于测试的图像则提供了两组不同的专家手动进行分割结果。(a)眼底彩色图像(b)Mask(c)专家分割图图2.2DRIVE数据库（2）STARE数据库STARE数据库是1975年提出的，全称是StructuredAnalysisoftheRetina。该项目的目的是研究一种系统，该系统将使用加利福尼亚大学希利眼科研究所和退伍军人医学
【参考文献】：
期刊论文
[1]基于Frangi滤波器和Otsu视网膜血管分割[J]. 孟琳,刘静,曹慧,史婷瑶,张驰. 激光与光电子学进展. 2019(18)
[2]基于改进R-FCN的遥感图像舰船检测[J]. 王健林,吕晓琪,张明,李菁. 激光与光电子学进展. 2019(16)
[3]基于Dense Connected深度卷积神经网络的自动视网膜血管分割方法[J]. 唐明轩,李孝杰,周激流. 成都信息工程大学学报. 2018(05)
[4]基于监督的全卷积神经网络视网膜血管分割[J]. 王娜,傅迎华,蒋念平. 软件导刊. 2018(08)
[5]高血压病患者眼底病变分级与眼血流动力学参数的相关性[J]. 李成武,庄曾渊,刘静,安娜,朱永涛. 眼科. 2017(03)
[6]糖尿病视网膜病变图像的血管分割方法研究[J]. 闵锋,单玲玉,张彦铎. 华中科技大学学报(自然科学版). 2015(S1)
[7]视力损害的流行病学研究[J]. 美丽巴努·玉素甫,陈雪艺. 国际眼科杂志. 2010(02)
[8]不同程度和不同类型的高血压对糖尿病心、眼、肾并发症的影响[J]. 王照,许樟荣,王玉珍,莫朝晖,李翔. 中国糖尿病杂志. 2008(10)
[9]基于Hessian矩阵的冠状动脉中心线的跟踪算法[J]. 许燕,胡广书,商丽华,耿进朝. 清华大学学报(自然科学版). 2007(06)
硕士论文
[1]基于光学相干断层扫描图像的脉络膜新生血管生长预测[D]. 朱书霞.苏州大学 2017
[2]糖尿病视网膜病变图像的血管提取方法研究[D]. 单玲玉.武汉工程大学 2015
[3]基于特征识别的视网膜血管分割方法研究[D]. 王晓红.中南大学 2014
本文编号：3470575
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3470575.html
