针对糖尿病视网膜病变区域自动检测系统的应用研究
发布时间：2021-11-15 21:18
随着近年来全球糖尿病患者数量的增多,作为其并发症的糖尿病视网膜病变受到越来越多的关注,该类并发症致盲的概率非常高,目前许多国家都将这种并发症列入了国家普查计划。硬性渗出物作为糖尿病视网膜病变的初期过渡病变特征,成为眼底检查的重点检查对象,对它的检测可以实现对病变的初期诊断。面对数量巨大的待检查人群,在进行眼底检查的过程中需要借助更便携的检查设备或更精准的计算机视觉处理辅助诊断技术以提高检测效率。在对图像质量要求不高的前提下,便捷式的眼底检查设备不仅可以降低患者医疗检查成本,还可以促进医疗普查计划的开展;其次,由于眼底病变的检测效率和检测结果容易受人为因素的限制和主观判断的影响,利用计算机视觉处理和分析技术可以实现对彩色眼底图像客观精确的处理,使得相关硬性渗出物区域都能被精确分割和智能化分析,从而为医生提供有效的辅助信息,提高诊断的效率和准确性。因此,文中分别从眼底检查设备和渗出物自动检测技术两个方面展开了研究。眼底检查设备方面,设计了一种便捷式非散瞳智能眼底照相机设备,该设备借鉴了间接检眼镜的成像原理,系统结构主要分为图像采集模块、主控模块和显示模块,当调整好图像采集模块中各子模块之间...
【文章来源】：江西理工大学江西省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
眼底图像的噪点分析
第二章眼底图像渗出物区域检测的相关理论基础11(c)灰度直方图(d)含有噪点的二值图图2.1眼底图像的噪点分析分别观察原始图像的红、绿、蓝色通道图片，可以发现红色通道图像中ROI目标区域与周围非目标黑色区域对比度最为明显，绿色通道图像中高亮区域与周围背景区域对比度明显，而蓝色通道图像目标区域都观察不到，因此选择红色通道图像作为制作眼底ROI图像的基准图。分析红色通道图像的灰度直方图2.2(d)可知，大部分的灰度集中分布在50~255范围内，通过采用Otus阈值分析法可知最佳的分割阈值为58，将红色通道图像设置阈值58做二值分割即可得到眼底ROI图像的掩模图，如图2.2(e)，将得到的掩模图与原始图像作与运算即可得到消除了噪声的眼底ROI图像，最终结果如图2.2(f)所示。实验过程中使用到的原始图像尺寸很大，为了减少图像处理过程中的计算量，提高算法实现效率，将图片尺寸统一进行缩校(a)红色通道图像(b)绿色通道图像(c)蓝色通道图像(d)红色通道图像灰度直方图(e)提取到的ROI区域掩模(f)消除了噪声的眼底ROI图像图2.2眼底图像ROI区域的提取2.1.2亮度校正受到拍摄光照不均和病人眼底个性差异的影响，大部分眼底图像都会出现亮度不均衡
第二章眼底图像渗出物区域检测的相关理论基础11(c)灰度直方图(d)含有噪点的二值图图2.1眼底图像的噪点分析分别观察原始图像的红、绿、蓝色通道图片，可以发现红色通道图像中ROI目标区域与周围非目标黑色区域对比度最为明显，绿色通道图像中高亮区域与周围背景区域对比度明显，而蓝色通道图像目标区域都观察不到，因此选择红色通道图像作为制作眼底ROI图像的基准图。分析红色通道图像的灰度直方图2.2(d)可知，大部分的灰度集中分布在50~255范围内，通过采用Otus阈值分析法可知最佳的分割阈值为58，将红色通道图像设置阈值58做二值分割即可得到眼底ROI图像的掩模图，如图2.2(e)，将得到的掩模图与原始图像作与运算即可得到消除了噪声的眼底ROI图像，最终结果如图2.2(f)所示。实验过程中使用到的原始图像尺寸很大，为了减少图像处理过程中的计算量，提高算法实现效率，将图片尺寸统一进行缩校(a)红色通道图像(b)绿色通道图像(c)蓝色通道图像(d)红色通道图像灰度直方图(e)提取到的ROI区域掩模(f)消除了噪声的眼底ROI图像图2.2眼底图像ROI区域的提取2.1.2亮度校正受到拍摄光照不均和病人眼底个性差异的影响，大部分眼底图像都会出现亮度不均衡
【参考文献】：
期刊论文
[1]中国2型糖尿病防治指南（2017年版）[J]. Chinese Diabetes Society;. 中国实用内科杂志. 2018(04)
[2]眼底检测仪器——检眼镜[J]. 王英丽. 中国眼镜科技杂志. 2016(01)
[3]光学相干层析成像技术的发展、应用与研究现状[J]. 秦玉伟. 激光杂志. 2015(08)
[4]结合SLIC超像素和DBSCAN聚类的眼底图像硬性渗出检测方法[J]. 凌朝东,陈虎,杨骁,张浩,黄信. 华侨大学学报(自然科学版). 2015(04)
[5]基于k均值聚类和自适应模板匹配的眼底出血点检测方法[J]. 肖志涛,赵北方,张芳,耿磊,吴骏,王雯,张欣鹏,苏龙,陈莉明,单春燕. 中国生物医学工程学报. 2015(03)
[6]眼底图像中视盘的平滑滤波与CV模型分割[J]. 赵圆圆,张东波,王颖. 光学技术. 2014(06)
[7]裂隙灯显微镜的发展及其在视光学中的应用[J]. 亓昊慧. 中国医疗器械杂志. 2013(06)
[8]基于模糊C均值聚类的医学图像分割研究[J]. 张翡,范虹. 计算机工程与应用. 2014(04)
[9]一种基于视觉模型的边缘检测阈值选择策略[J]. 侯志强,韩崇昭,郑林,肖李珍. 光电工程. 2004(02)
[10]可见光对视网膜的损伤[J]. 梁晔,张惠蓉. 国外医学.眼科学分册. 1992(06)
博士论文
[1]基于彩色视网膜图像的眼底病相关目标检测方法研究[D]. 戴百生.哈尔滨工业大学 2016
[2]新型眼底相机的设计与研制[D]. 李灿.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
硕士论文
[1]基于深度学习的糖尿病视网膜病变图像中渗出物的检测方法研究[D]. 叶显一.武汉工程大学 2018
[2]眼底硬性渗出物自动检测系统的研究与实现[D]. 张磊.哈尔滨工业大学 2017
[3]液晶显示检眼镜技术研究[D]. 金琳琳.长春理工大学 2011
本文编号：3497509
【文章来源】：江西理工大学江西省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
眼底图像的噪点分析
第二章眼底图像渗出物区域检测的相关理论基础11(c)灰度直方图(d)含有噪点的二值图图2.1眼底图像的噪点分析分别观察原始图像的红、绿、蓝色通道图片，可以发现红色通道图像中ROI目标区域与周围非目标黑色区域对比度最为明显，绿色通道图像中高亮区域与周围背景区域对比度明显，而蓝色通道图像目标区域都观察不到，因此选择红色通道图像作为制作眼底ROI图像的基准图。分析红色通道图像的灰度直方图2.2(d)可知，大部分的灰度集中分布在50~255范围内，通过采用Otus阈值分析法可知最佳的分割阈值为58，将红色通道图像设置阈值58做二值分割即可得到眼底ROI图像的掩模图，如图2.2(e)，将得到的掩模图与原始图像作与运算即可得到消除了噪声的眼底ROI图像，最终结果如图2.2(f)所示。实验过程中使用到的原始图像尺寸很大，为了减少图像处理过程中的计算量，提高算法实现效率，将图片尺寸统一进行缩校(a)红色通道图像(b)绿色通道图像(c)蓝色通道图像(d)红色通道图像灰度直方图(e)提取到的ROI区域掩模(f)消除了噪声的眼底ROI图像图2.2眼底图像ROI区域的提取2.1.2亮度校正受到拍摄光照不均和病人眼底个性差异的影响，大部分眼底图像都会出现亮度不均衡
第二章眼底图像渗出物区域检测的相关理论基础11(c)灰度直方图(d)含有噪点的二值图图2.1眼底图像的噪点分析分别观察原始图像的红、绿、蓝色通道图片，可以发现红色通道图像中ROI目标区域与周围非目标黑色区域对比度最为明显，绿色通道图像中高亮区域与周围背景区域对比度明显，而蓝色通道图像目标区域都观察不到，因此选择红色通道图像作为制作眼底ROI图像的基准图。分析红色通道图像的灰度直方图2.2(d)可知，大部分的灰度集中分布在50~255范围内，通过采用Otus阈值分析法可知最佳的分割阈值为58，将红色通道图像设置阈值58做二值分割即可得到眼底ROI图像的掩模图，如图2.2(e)，将得到的掩模图与原始图像作与运算即可得到消除了噪声的眼底ROI图像，最终结果如图2.2(f)所示。实验过程中使用到的原始图像尺寸很大，为了减少图像处理过程中的计算量，提高算法实现效率，将图片尺寸统一进行缩校(a)红色通道图像(b)绿色通道图像(c)蓝色通道图像(d)红色通道图像灰度直方图(e)提取到的ROI区域掩模(f)消除了噪声的眼底ROI图像图2.2眼底图像ROI区域的提取2.1.2亮度校正受到拍摄光照不均和病人眼底个性差异的影响，大部分眼底图像都会出现亮度不均衡
【参考文献】：
期刊论文
[1]中国2型糖尿病防治指南（2017年版）[J]. Chinese Diabetes Society;. 中国实用内科杂志. 2018(04)
[2]眼底检测仪器——检眼镜[J]. 王英丽. 中国眼镜科技杂志. 2016(01)
[3]光学相干层析成像技术的发展、应用与研究现状[J]. 秦玉伟. 激光杂志. 2015(08)
[4]结合SLIC超像素和DBSCAN聚类的眼底图像硬性渗出检测方法[J]. 凌朝东,陈虎,杨骁,张浩,黄信. 华侨大学学报(自然科学版). 2015(04)
[5]基于k均值聚类和自适应模板匹配的眼底出血点检测方法[J]. 肖志涛,赵北方,张芳,耿磊,吴骏,王雯,张欣鹏,苏龙,陈莉明,单春燕. 中国生物医学工程学报. 2015(03)
[6]眼底图像中视盘的平滑滤波与CV模型分割[J]. 赵圆圆,张东波,王颖. 光学技术. 2014(06)
[7]裂隙灯显微镜的发展及其在视光学中的应用[J]. 亓昊慧. 中国医疗器械杂志. 2013(06)
[8]基于模糊C均值聚类的医学图像分割研究[J]. 张翡,范虹. 计算机工程与应用. 2014(04)
[9]一种基于视觉模型的边缘检测阈值选择策略[J]. 侯志强,韩崇昭,郑林,肖李珍. 光电工程. 2004(02)
[10]可见光对视网膜的损伤[J]. 梁晔,张惠蓉. 国外医学.眼科学分册. 1992(06)
博士论文
[1]基于彩色视网膜图像的眼底病相关目标检测方法研究[D]. 戴百生.哈尔滨工业大学 2016
[2]新型眼底相机的设计与研制[D]. 李灿.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
硕士论文
[1]基于深度学习的糖尿病视网膜病变图像中渗出物的检测方法研究[D]. 叶显一.武汉工程大学 2018
[2]眼底硬性渗出物自动检测系统的研究与实现[D]. 张磊.哈尔滨工业大学 2017
[3]液晶显示检眼镜技术研究[D]. 金琳琳.长春理工大学 2011
本文编号：3497509
本文链接：https://www.wllwen.com/yixuelunwen/wuguanyixuelunwen/3497509.html
最近更新
教材专著
