眼底图像病变区域的提取与识别

发布时间：2021-04-27 07:23

　　近年来,由于视网膜图像具有广泛的应用场景,视网膜图像分割越发受到学者们的关注和研究。视网膜本身非常稳定且不易磨损和退化,临床上,医生可以通过收集患者的眼底图像来诊断和治疗多种眼科疾病,包括糖尿病性视网膜病变、黄斑病变、青光眼、白内障等。与此同时,随着计算机的普及,数据处理技术得到了迅速发展,并逐渐应用于医学领域的各个方面,其中,医学图像处理技术为医学发展和人类健康做出了巨大贡献。眼球包括多种结构,在由眼底照相机拍摄的视网膜图像中,眼底血管、黄斑和视盘等区域出现的病变较为常见。基于图像处理和机器学习的方法,本文从局部病灶的提取和全局病变的识别和判断中做了相关方法的研究:1.首先对眼底图像进行预处理,包括色彩空间的选取以及图像的增强和均衡化;2.在局部病灶提取中首先对眼底血管进行分割,并对血管病变中的微动脉瘤进行提取,最后对微动脉瘤病变像素点进行分级;3.接着对眼底图像中的硬性渗出物进行了提取,对算法的评价采用机器学习中的相关分类器,对分割出的病变像素点进行训练和测试,计算各项指标;4.全局病变识别中运用卷积神经网络对眼底图像病变与正常进行识别和判断,并用网络对微动脉瘤和硬性渗出物单个病变... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题的研究背景及意义
    1.2 眼球结构及眼底病变与其相关数据集
        1.2.1 眼球结构
        1.2.2 常见的眼底病变
        1.2.3 相关数据集介绍
    1.3 国内外研究现状
    1.4 论文主要研究内容和章节安排
        1.4.1 论文的主要研究内容
        1.4.2 论文研究内容的主要理论
        1.4.3 论文章节结构安排
第二章 眼底图像处理技术
    2.1 眼底图像的预处理方法
        2.1.1 色彩空间及其相互转换
        2.1.2 眼底图像通道分量的应用
        2.1.3 眼底图像增强及均衡化方法
    2.2 眼底图像的分割和分类方法
        2.2.1 眼底图像的分割方法
        2.2.2 眼底图像的分类方法
    2.3 本章小结
第三章 血管分割及微动脉瘤的检测
    3.1 血管分割
        3.1.1 图像预处理
        3.1.2 阈值分割
    3.2 微动脉瘤的检测
        3.2.1 病变像素点的分割
        3.2.2 病变像素点统计
        3.2.3 病变像素点分级
    3.3 本章小结
第四章 硬性渗出物的检测及评价方法
    4.1 硬性渗出物检测
        4.1.1 预处理
        4.1.2 边缘检测候选区域的生成
        4.1.3 聚类候选区域的生成
        4.1.4 候选区域的聚合
    4.2 算法评价方法
        4.2.1 标签图像的生成
        4.2.2 机器学习分类器预测图像的生成
        4.2.3 算法评价指标
    4.3 本章小结
第五章 基于卷积神经网络的眼底病变检测
    5.1 卷积神经网络
        5.1.1 CNN与传统神经网络的比较
        5.1.2 网络结构
    5.2 全局眼底图像病变的识别
        5.2.1 正常与病变图像的识别
        5.2.2 微动脉瘤和硬性渗出物的识别
    5.3 本章小结
第六章 总结与展望
    6.1 文章总结
    6.2 未来展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]糖尿病视网膜病变辅助检查现状[J]. 苑欣,哈斯,张小杉,吴晓萍.  转化医学杂志. 2014(06)
[2]基于Hessian算子的多尺度视网膜血管增强滤波方法[J]. 丘赟立,蒋先刚,熊娟.  计算机应用与软件. 2014(09)
[3]基于SVM的眼底图像硬性渗出检测[J]. 潘燕红,潘林.  计算机与现代化. 2014(04)
[4]RBF神经网络和阈值分割实现视网膜硬性渗出自动检测[J]. 高玮玮,沈建新,王玉亮.  中国图象图形学报. 2013(07)
[5]一种新的血管造影图像Hessian矩阵增强算法[J]. 康长青,袁磊,华丽,曹文平.  计算机工程与科学. 2012(10)
[6]灰度不均的弱边缘血管影像的水平集分割方法[J]. 薛维琴,周志勇,张涛,李莉华,郑健.  软件学报. 2012(09)
[7]基于Hessian矩阵的多尺度视网膜图像增强方法[J]. 游嘉,陈波.  计算机应用. 2011(06)
[8]病变视网膜图像血管网络的自动分割[J]. 姚畅,陈后金.  电子学报. 2010(05)
[9]一种新的视网膜血管网络自动分割方法[J]. 姚畅,陈后金.  光电子.激光. 2009(02)
[10]面向肺癌CAD的CT图像疑似病灶检测算法[J]. 魏颖,于谦,贾同,赵大哲.  仪器仪表学报. 2009(01)

博士论文
[1]眼底图像分割方法的研究及其应用[D]. 姚畅.北京交通大学 2009
[2]眼底图像处理与分析中一些关键问题的研究[D]. 李居朋.北京交通大学 2009

硕士论文
[1]糖尿病视网膜病变图像的渗出物自动检测算法研究[D]. 陈向.哈尔滨工业大学 2012
[2]基于k近邻图区域合并的视网膜硬性渗出自动检测研究[D]. 林蔚.上海交通大学 2008
[3]静态图像感兴趣区域提取关键技术研究[D]. 李超.天津大学 2007
[4]基于非荧光眼底图像的糖尿病特征提取[D]. 孙伟.吉林大学 2007



本文编号：3163043