当前位置:主页 > 医学论文 > 五官科论文 >

彩色视网膜眼底图像血管自动检测方法

发布时间:2018-03-22 02:05

  本文选题:视网膜图像分析 切入点:血管分割 出处:《光学精密工程》2017年05期  论文类型:期刊论文


【摘要】:为了给视网膜图像配准、光照校正及视网膜内部病理学检测等问题提供有效依据,本文提出一种有效检测及识别彩色视网膜眼底图像血管的全自动方法。针对视网膜可见血管呈长条型管状、局部具有较好直线型结构的形态特点,本文采取适用于条状结构的组合移位滤波响应模型进行特征提取。针对血管和血管末端特征的不同,分别配置对称和非对称的两种滤波模型进行跟踪,利用组合移位滤波模型(对称和非对称)获取到的响应及G通道像素灰度值共同构建特征向量库,采用AdaBoost分类器对各个像素点进行分类判定。基于国际公共数据库DRIVE与STARE的实验结果表明,该方法针对两个标准数据库的分割结果(DRIVE:Accuracy=0.948 9,Sensitivity=0.765 7,Specificity=0.980 9;STARE:Accuracy=0.956 7,Sensitivity=0.771 7,Specificity=0.976 6)均优于已有方法,适用于彩色视网膜眼底图像的计算机辅助定量分析,可作为临床借鉴。
[Abstract]:In order to retinal image registration, illumination correction and retinal pathology detection problem to provide an effective basis in this paper, an effective method of automatic detection and recognition of color retinal fundus images of blood vessels. Blood vessels were visible to retinal long tubular, with local characteristics better linear structure, this paper adopts the combination for strip the structure of shift filter response model for feature extraction. According to the different characteristics of vascular and vascular end, two kinds of filter model are respectively configured for symmetric and asymmetric shift tracking filter model using a combination of (symmetric and asymmetric) construct feature vector library gray scale response and G channel access to the pixel values, using AdaBoost classifier the classification of each pixel is determined. The DRIVE and STARE international public databases based on the experimental results, the method for two standard Quasi database segmentation results (DRIVE:Accuracy=0.948 9, Sensitivity=0.765 7, Specificity=0.980 9; STARE:Accuracy=0.956 7, Sensitivity=0.771 7, Specificity=0.976 6) were better than the existing methods, computer aided quantitative for color fundus image analysis, can be used as a clinical reference.

【作者单位】: 吉林大学通信工程学院;长春师范大学计算机科学与技术学院;阿萨巴斯卡大学计算与信息系统学院;
【基金】:国家留学基金委地方合作项目(No.留金法[2013]5045号) 吉林省教育厅“十三五”科学技术研究项目(No.吉教科合字[2016]第001号) 长春师范大学自然科学基金资助项目(No.长师大自科合字[2015]第005号)
【分类号】:R770.4;TP391.41

【相似文献】

相关期刊论文 前7条

1 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

2 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

3 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

4 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

5 周浩,李云岗,周韵秋,施鹏飞,蔡季平,王志英;真彩眼底图像分析系统软件1.0版的研制[J];第二军医大学学报;1997年04期

6 曾碧新;谢忠好;;眼底图像形态参数测定[J];眼视光学杂志;2006年03期

7 ;[J];;年期

相关会议论文 前1条

1 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

相关硕士学位论文 前8条

1 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

2 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

3 杜雨峰;基于眼底图像的糖尿病视网膜病变检测系统研究[D];华侨大学;2016年

4 段彦华;眼底图像中视杯分割和硬性渗出物检测算法研究[D];北京工业大学;2016年

5 张晟钰;基于尺度空间分析的眼底图像血管鲁棒检测[D];湘潭大学;2016年

6 王颖;视网膜眼底图像的快速鲁棒视盘定位方法研究[D];湘潭大学;2016年

7 龚海明;基于水平集方法和CGLI模型的眼底图像血管分割[D];福建师范大学;2016年

8 杨美美;基于专家知识的白内障影像等级自动分类系统研究[D];北京邮电大学;2014年



本文编号:1646562

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/wuguanyixuelunwen/1646562.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户234dc***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com