基于眼底图像的糖尿病视网膜病变检测系统研究

发布时间：2017-07-05 18:30

  本文关键词：基于眼底图像的糖尿病视网膜病变检测系统研究

  更多相关文章： 糖尿病视网膜病变 眼底图像质量评价 支持向量机 硬性渗出检测

【摘要】：糖尿病视网膜病变作为糖尿病最严重的并发症之一,也是现今适龄工作人口最主要致盲因素。在患者的视力受到损伤前,进行定期的眼底检查是及早发现和及时治疗的关键。因此开发一套便携眼底病变诊断设备,帮助数百万处在医疗服务较差的地区的人们是非常必要的。因拍摄视网膜图像质量不达标导致后续眼底图像分析和医用诊断难度加大,本文通过对拍摄得到的眼底图像进行质量评价决定图像是否适用于临床诊断。通过在大量公共数据集上验证算法有效性,对眼底图像质量进行统计学分析,取得和人类视觉感知相一致的主观评价结果。然后基于眼底图像的特点,提出一种综合性的眼底图像增强算法,通过对眼底图像进行HSI空间转换,在强度空间中值滤波后运用对比度受限直方图均衡技术进一步增强图像质量。接下来将预处理后的眼底图像转换到色域更宽的Lab空间,利用快速K均值聚类算法进行粗分割,然后利用SVM向量机对粗分割候选区域进行硬性渗出提取。本文通过对糖尿病视网膜病变检测系统的研究,给出了图像采集的若干参考方式。同时还提出一种通用眼底图像质量评价方法,克服了传统评价算法计算复杂度高以及评价指标单一问题,算法运行效率高,实用性强。计算得到的通用质量参数度量对于眼底图像采集设备的参数调整也有非常大的参考价值。此外,还实现了眼底图像的增强、视盘提取和硬性渗出提取,可对糖尿病视网膜病变实现初步分析和诊断,对医生的诊断和术后分析有非常大的帮助。最后,采用苏州六六视觉科技股份有限公司的YZ6H检眼镜和智能手机搭建一套视网膜病变检测系统实验平台,验证了本文方案的可行性。
【关键词】：糖尿病视网膜病变 眼底图像质量评价 支持向量机 硬性渗出检测
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R587.2;R774.1
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-14
• 1.1 课题研究目的意义8
• 1.2 国内外发展状况8-9
• 1.2.1 国外研究状况8-9
• 1.2.2 国内研究状况9
• 1.3 眼底病变检测系统9-12
• 1.3.1 检测系统基本原理9-10
• 1.3.2 检测系统结构组成10-11
• 1.3.3 检测系统实现过程11-12
• 1.4 论文主要工作12
• 1.5 论文章节结构安排12-14
• 第2章 图像采集基本原理14-20
• 2.1 眼底结构14-15
• 2.2 眼底检测技术发展15-16
• 2.2.1 检眼镜15-16
• 2.2.2 眼底相机16
• 2.2.3 激光扫描检眼镜16
• 2.2.4 光学相干层析成像16
• 2.3 眼底图像采集16-18
• 2.3.1 眼底图像采集方法选择16-17
• 2.3.2 检眼镜结构与原理17-18
• 2.4 图像采集过程18-19
• 2.5 本章小结19-20
• 第3章 眼底图像质量评价20-44
• 3.1 引言20-21
• 3.2 国内外眼底图像质量评价研究现状21-22
• 3.3 通用图像质量客观评价22-34
• 3.3.1 预处理23-24
• 3.3.2 特征计算24-32
• 3.3.3 图像质量分级32-34
• 3.4 实验材料及相关指标34-35
• 3.4.1 实验材料及设备34-35
• 3.4.2 评价指标35
• 3.5 实验结果与分析35-43
• 3.5.1 颜色评价性能35-36
• 3.5.2 聚焦评价性能36-37
• 3.5.3 对比度评价性能37-38
• 3.5.4 照度评价性能38-39
• 3.5.5 图像质量分类性能39-40
• 3.5.6 算法计算时间40-41
• 3.5.7 结果讨论41-43
• 3.6 本章小节43-44
• 第4章 眼底图像预处理及分割技术44-56
• 4.1 引言44
• 4.2 眼底图像预处理相关技术44-50
• 4.2.1 眼底图像中分量图像的提取与分析44-45
• 4.2.2 眼底图像滤波、增强及图像均衡化45-50
• 4.3 眼底图像分割技术50-55
• 4.3.1 阈值分割技术50-53
• 4.3.2 基于边缘检测的分割技术53
• 4.3.3 区域分割技术53-54
• 4.3.4 基于聚类的分割技术54-55
• 4.4 本章小节55-56
• 第5章 眼底图像硬性渗出检测56-76
• 5.1 引言56
• 5.2 算法实现过程56-68
• 5.2.1 预处理57-58
• 5.2.2 K-means算法粗分割58-62
• 5.2.3 支持向量机分类（SVM）62-68
• 5.3 实验材料及相关评价指标68-69
• 5.3.1 实验材料及设备68-69
• 5.3.2 评价指标69
• 5.4 结果与讨论69-74
• 5.5 本章小结74-76
• 第6章 糖尿病视网膜病变检测系统实现76-86
• 6.1 糖尿病视网膜病变检测系统功能模块76-77
• 6.2 检测过程实现77
• 6.3 实验材料及相关结果77-85
• 6.3.1 实验材料及设备77
• 6.3.2 结果与讨论77-85
• 6.4 本章小结85-86
• 第7章 总结与展望86-88
• 7.1 总结86-87
• 7.2 未来展望87-88
• 参考文献88-92
• 致谢92-94
• 个人简历、在学期间发表的论文及研究成果94
• 个人简历94

【相似文献】

中国期刊全文数据库 前10条

1 胡磊;毕维民;陈迪;郭永新;张光玉;李艳春;焦青;;眼底图像处理软件在眼科临床应用观察[J];泰山医学院学报;2009年09期

2 张东波;易瑶;赵圆圆;;基于投影的视网膜眼底图像视盘检测方法[J];中国生物医学工程学报;2013年04期

3 刘爱珍,马斌荣,徐亮,杨桦,孙秀英;眼底图像融合[J];中国医学影像技术;2003年11期

4 刘爱珍;王小兵;徐亮;任海萍;宋菲;王飒;;眼底图像对位频闪[J];首都医科大学学报;2006年05期

5 余轮;魏丽芳;潘林;;眼底图像配准技术研究进展[J];生物医学工程学杂志;2011年05期

6 魏丽芳;潘林;余轮;;一种病变眼底图像的配准方法[J];中国生物医学工程学报;2011年04期

7 陈骥;彭承琳;;眼底图像的三维重建[J];生物医学工程学杂志;2008年01期

8 陈萌梦;熊兴良;张琰;王诗鸣;李广;;1种视网膜眼底图像增强的新方法[J];重庆医科大学学报;2014年08期

9 刘爱珍,马斌荣,徐亮,孙秀英,宋菲;眼底图像的配准[J];医疗设备信息;2003年10期

10 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[J];临床医学工程;2013年01期

中国重要会议论文全文数据库 前4条

1 王子亮;潘林;余轮;;基于矢量方法的眼底图像预处理[A];第十四届全国图象图形学学术会议论文集[C];2008年

2 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[A];“广东省光学学会2013年学术交流大会”暨“粤港台光学界产学研合作交流大会”会议手册论文集[C];2013年

3 黄君鑫;;红外眼底镜的研究[A];中国光学学会2006年学术大会论文摘要集[C];2006年

4 朱琳琳;唐延东;;基于眼底特征的视盘自动检测[A];2010中国仪器仪表学术、产业大会（论文集1）[C];2010年

中国博士学位论文全文数据库 前5条

1 高玮玮;眼底图像分割算法及应用研究[D];南京航空航天大学;2013年

2 李居朋;眼底图像处理与分析中一些关键问题的研究[D];北京交通大学;2009年

3 韩松涛;眼底图像的血管特征分析[D];吉林大学;2010年

4 姚畅;眼底图像分割方法的研究及其应用[D];北京交通大学;2009年

5 李鹏飞;眼底图像实时处理与液晶自适应系统控制研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

中国硕士学位论文全文数据库 前10条

1 于婷;眼底图像视神经盘和渗出物自动分割算法研究[D];兰州大学;2015年

2 郑姗;主动轮廓模型及其在眼底图像分割中的应用[D];沈阳理工大学;2015年

3 于甜甜;基于自适应盲解卷积的眼底图像复原[D];山东农业大学;2015年

4 于挥;眼底图像中病变的检测方法研究[D];兰州交通大学;2015年

5 赵麒然;基于改进参数核图割的OCT眼底图像分割方法研究[D];吉林大学;2016年

6 潘燕红;基于监督分类的糖尿病视网膜病变检测方法的研究[D];福州大学;2014年

7 李敏;眼底图像血管三维重建方法研究[D];天津工业大学;2016年

8 邵一婷;彩色眼底图像视盘自动检测方法研究[D];天津工业大学;2016年

9 祝婉;多模眼底图像配准方法研究[D];天津工业大学;2016年

10 崔宁;彩色眼底图像血管参数测量方法研究[D];天津工业大学;2016年

，

本文编号：523111