眼底视网膜血管检测方法的研究

发布时间：2020-12-11 08:30

　　眼底视网膜图像中的血管自动分割检测,对临床辅助医学诊断具有及其重要的意义。传统分割算法需要在图像的预处理阶段进行滤波除噪的工作,但其忽略了图像中微弱的血管信号同时被滤除的可能性,将造成视盘边缘部分微细血管的漏检。考虑到微弱信号、附加噪声与非线性系统三者协同的随机共振机制具有增强弱信号的作用,因此本文引入随机共振机制来实现微弱血管的自动分割检测。首先介绍了随机共振的理论原理,验证了随机共振机制在增强弱信号上的优越性能。然后提出了眼底视网膜血管多级分割的随机共振方法,先进行全局意义上的随机共振响应实现高对比度粗血管的检测,然后重新定义输入信号为屏蔽全局检测结果的局部图像,实现低对比度微细血管的增强检测,完成多级随机共振分割检测。最后提出了基于尺度分解的眼底血管随机共振检测方法,将图像进行尺度分解,对包含细节信息的高频信号进行随机共振增强实现微细血管分割检测,融合低频图像信号后得到最终的血管分割检测结果。本文的主要研究工作和成果如下所示:(1)给出了并联双稳态模型实现图像弱信号增强的方案,使用并联的双稳态模型分别处理不同扫描方式得到的图像一维序列,较传统随机共振增强方法更加提升了图像信号的增... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图２．１人眼结构??

?眼底主要包含的结构组织包括视网膜，眼底血管，视神经纤维，视神经乳头，黄斑以及??脉络膜等［２８１。图２．２显示了拍摄的眼底视网膜血管图像剖面解析图。眼底图像中的视盘，也??称为视乳头，是视网膜后极部一个边界清晰，呈现橘红色的圆形盘结构。眼底图像中颜色最??亮最淡的结构即为视盘，是观察眼底图像最为显著的结构。黄斑在眼球的后极部，处于视网??膜的中心区域，呈现椭圆或者近似圆形，富含叶黄素而显出暗红色。黄斑中央存在一个中央??凹，是视觉敏感性最强的部位。遍布视网膜眼底的血管是脑血管的分支，血管的动脉和静脉??交织分布，都起源于视盘，由粗到细发散性交叉分布，其中动脉较静脉弯曲度更大、更明亮，??静脉血管则更宽。由于血管壁的厚度和透明度、血液循环情况等导致眼底图像血管存在中心??反光现象，一般表现为橘红色的血管壁中心有发亮的黄色线条。??，－一?Ｉ?视盘??／?Ｓｍ－视网膜血管静脉??中央凹??、＼?

视网膜血管图像预处理技术??图像处理技术的一大领域就是图像预处理技术。图像预处理在图像处理的过或缺的，通过特定方式进行预处理后的图像可以将图像中需要的信息进行增强滤除掩盖或者削弱对图像处理结果造成不良影响的因素，大大提升了图像处。在进行眼底视网膜血管分割检测的研宄之前，根据眼底图像的特性对其进是非常有必要的。眼底图像的采集有其自身的特殊性，使用的是专用的眼底备，尽管如今的设备已经足够先进，但由于拍摄环境、血管的复杂分布特性加上图像本身在采集、传输、存储过程中会有质量损伤和噪声干扰，最后得不能清晰的反映出眼底血管结构特征［３Ｇ］。拍摄得到的眼底图像中，存在噪声景灰度区别不明显，一些血管湮没在背景中无法分辨等问题，所以正常情况为对象直接进行血管分割检测算法的研宄。一般在具体的算法研究之前都需系列的预处理操作，以获取更理想的目标图像，提升后续血管分割检测的精到提局后续临床医疗诊断的效率的目的。??Ｂ通道的选取??

【参考文献】：
期刊论文
[1]彩色眼底图像视网膜血管分割方法研究进展[J]. 朱承璋,邹北骥,向遥,严权峰,梁毅雄,崔锦恺,刘晴.  计算机辅助设计与图形学学报. 2015(11)
[2]基于阵列级联FHN神经元的弱信号随机共振复原研究[J]. 陈金龙,范影乐,武薇,高云园.  航天医学与医学工程. 2013(04)
[3]基于FHN神经元随机共振的低剂量肺部CT图像增强[J]. 王海玲,范影乐,陈可,沈学丽,李轶.  航天医学与医学工程. 2012(02)
[4]基于随机共振的微弱信号检测[J]. 梁军利,杨树元,唐志峰.  电子与信息学报. 2006(06)
[5]糖尿病性视网膜病变的远程筛查[J]. 莫静.  国外医学.眼科学分册. 2003(05)
[6]基于脊波变换的直线特征检测[J]. 侯彪,刘芳,焦李成.  中国科学E辑:技术科学. 2003(01)

硕士论文
[1]强噪声背景下微弱信号检测与处理方法研究[D]. 蔡志全.内蒙古科技大学 2014
[2]弱信号随机共振检测机制及其在图像增强中的应用研究[D]. 陈可.杭州电子科技大学 2011
[3]眼底照相机中图像处理技术的研究与实现[D]. 黄琳.南京航空航天大学 2009



本文编号：2910208