基于Bridge-net的眼底图像视网膜血管分割研究

发布时间：2020-12-20 19:11

　　近年来一些眼科疾病因可导致不可逆失明而受到了全球范围的关注。这些眼科疾病在影响人体生理机能的同时也会破坏眼底血管形态的稳定性和规律性。因此,通过眼底图像视网膜血管形态测量可有效辅助眼科疾病的诊断,其中精确而有效的视网膜血管分割是血管形态测量的关键,是开展眼底图像辅助诊断的前提。人工分割耗时费力,也鼓励了专家和学者在视网膜血管自动分割任务上做出尝试。其中,基于块的深度学习方法的应用日益广泛。然而,对于目标区域,大部分基于块的方法都只使用一个与之重合的块来进行描述,忽视了目标区域的上下文信息对分割的影响。为了克服上述不足,本文采用深度学习方法深入开展视网膜血管分割研究。主要工作包括:（1）为了有效地利用目标区域的上下文信息,本文提出一个名为bridge-net的新型网络结构用以捕捉视网膜血管的上下文信息。对于每个目标区域,bridge-net均提取了两个有包含关系的同心块分别表示对目标区域包括和不包括其上下文信息的两组描述。这两个块构成一个输入序列,输入到一个卷积神经网络（Convolutional Neural Network,CNN）结构中,对应地生成包含和不包含上下文信息的特征。接着... 

【文章来源】：湘潭大学湖南省

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

彩色眼底图像及对应人工分割图

图 1.4 形态各异的视网膜血管。从 a 到 f 分别为细血管、粗血管、视盘附近血管、病变区域血管和有中央光反射现象的血管。对此，本文提出了一种基于循环卷积神经网络的方法进行视网膜血管分割，同时提出一种损失权值的分配方式，使得网络对易分错的血管有更多的关注。1.2 国内外研究现状从 Chaudhuri 等人[11]开始，探究视网膜血管分割方法的步伐从未停止。这些方法可以分成两大类——无监督方法和有监督方法。无监督方法根据视网膜血管的形态和特点进行分割，主要分为以下几类：匹配滤波、血管追踪、形态学方法、多尺度方法和基于模型的方法[12]。Zhang 等人[13]设计的一种匹配滤波方法，使用了多尺度二阶高斯导数滤波器，并在方向分数域上进行滤波，获取最大响应。该方法在处理形状复杂的血管时也能取得较好的分割结果。Sheng 等人[14]提出先用线性迭代聚类算法将彩色眼底图像分割为一个超像素集合，在选择一个节点作为根节点后，使用迭代聚合算法从其他节点获取支撑，最终得到

述神经元通过树突接收到的外界刺强度达到某一阈值，则输出神经blatt F. 基于神经活动中蕴含的逻辑神经元。如图 2.1 所示，为了模拟知器 k 引入权重1 2 3, , , ,k k k nkθ θ θ θ之外，感知器还有一个固定输入xk= b相乘得到偏置kb ，用于调整阈度kz ，再通过阈值函数 ( ) 得到值感知器k :0nk ik ikiz x θ== ( )k ky = z

【参考文献】：
期刊论文
[1]机器人仿生视觉眼球运动控制机理与验证[J]. 李恒宇,罗均.  金属加工(冷加工). 2014(18)

硕士论文
[1]基于卷积神经网络和条件随机场的眼底图像血管分割研究[D]. 张真真.湘潭大学 2018



本文编号：2928402