基于相似度滤波算法的视网膜血管分割

在计算机辅助眼底图像视网膜血管分割中,基于匹配滤波算法的应用非常广泛.而传统匹配滤波器算法存在分割细小血管效果较差、噪声多以及视盘干扰等问题.本文提出一种相似度滤波算法的眼底图像视网膜血管分割方法.首先用多层阈值和水平集算法提取视盘干扰区域,利用高斯模糊去除视盘干扰区域.然后采用相似度滤波运算对去除视盘干扰的彩色眼底图像进行处理.最后,将余弦相似度图进行二值化后与余弦相似度加强图进行区域连通性判断,实现眼底图像视网膜血管分割.结果 表明,该算法能较好地分割细小血管以及去除视盘干扰,能更为准确地提取眼底图像视网膜血管.     

基于多尺度线性检测的视网膜血管分割

提出一种自动、高效的视网膜血管网络分割算法。该算法基于对视网膜图像的多尺度线性检测,线性组合各个尺度下的图像响应获取血管特征图像。通过形态学top-hat变换和线性滤波器消除图像噪声和视盘对线性检测的影响,并且增强血管(包含细小血管)的对比度,提高线性检测对细小血管的敏感度,从而提取出更加精确的血管树细节。利用DRIVE和STARE数据库的视网膜图像进行算法性能评估。实验结果显示该方法能够获得很高的分割准确度,几乎为手工分割的结果。同时该方法简单、快速,对噪声具有鲁棒性,适合用于眼科检查的计算机辅助治疗系统。     

视网膜图像中视盘的快速自动定位方法

基于眼底视网膜血管的分布结构及视盘本身的特点,提出一种快速自动定位视盘的方法.首先根据视网膜血管的网络分布结构大致定位视盘的垂直坐标:然后根据视盘的亮度信息及视盘与血管的关系来定位视盘的水平坐标;最后把视盘限定在以粗定位的视盘为中心的一个小窗口内,用Hough变换精确定位视盘中心.该方法不需要事先分割视网膜血管,也不需...     

基于灰度-梯度共生矩阵的视网膜血管分割方法

提出了一种新的、有效的视网膜血管分割方法．它包括二维匹配滤波预处理以增强血管的灰度，以及用灰度-梯度共生矩阵的最大熵阈值化方法．该方法同时利用了图像的灰度和梯度信息．在计算梯度时选用了三次B样条小波．实验结果表明，该方法能较好地提取视网膜血管网络．     

基于Hessian矩阵和水平集的视网膜血管分割

视网膜血管图像可以作为糖尿病与青光眼等疾病的诊断依据;但现有的血管提取算法存在精度不足、对噪声敏感,以及鲁棒性不强等缺点。针对这个问题提出了一种新的视网膜血管图像分割方法。首先获取视网膜绿色通道图像,利用Hessian矩阵特征值、特征向量的几何特性和响应函数,初步估计视网膜图像中可能存在的血管;并在此基础上利用水平集函数初始化血管图像。然后,在局部数据能量拟合泛函中引入新的正则化和面积约束。最后,在水平集函数演化过程中获得精准的视网膜血管图像。实验表明算法在分割视网膜血管图像上具有较强的鲁棒性。     

眼挫伤的眼底荧光血管造影临床分析

目的：观察眼挫伤后眼络膜、视网膜、视盘上眼底荧光血管造影检查（fundusfluorescein angiography FFA）中的特征和临床意义。方法：对38例眼挫伤患者进行眼底务管造影检查。结果：16眼视盘缺血性改变（g42．1％），视网膜震荡伤23眼（占60．5％），脉络膜破裂10眼（占26．30％），1例视神经撕脱伤。结论：FFA可显示眼挫伤后视盘、视网膜、脉络膜的循环改变，对眼损伤诊断、治疗提供依据。     

基于视觉注意机制的眼底图像视盘快速定位与分割

视盘定位与分割对利用眼底图像进行眼科计算机辅助诊断十分重要。视觉注意机制模拟人类视觉系统从而能在复杂场景中快速定位目标。利用视盘在眼底图像中视觉显著度高这一特性,提出基于视觉注意模型实现视盘的快速定位并分割的算法。算法首先对不同眼底图像进行归一化,接着采用高斯金字塔提取图像不同尺度的颜色、亮度和方向特征图(feature map),进一步整合得到显著性图(saliency map),在显著性图中提取FOA(focus of attention)从而定位视盘。接着在视盘定位区域采用统计排序滤波器(rank-filter)抹除血管,在极坐标中采用亚像素提取图像边缘,实现视盘分割。采用国际Messidor数据库来验证算法的性能,定位精度为95%,运行时长为0.213 s,与其他算法相比,算法具有准确性高和实用性强等特点,具有良好的应用潜力。     

基于SKA-Unet的眼底图像视网膜血管自动分割

针对视网膜血管结构复杂，对比度较低及边界模糊等问题，构建了一种改进的Unet模型来自动分割视网膜血管。该算法在Unet基础上引入了选择性内核和注意力机制，通过增加多重感受野得到目标多维度的特征信息，并将注意力集中在最有效的特征中，从而提升网络分割血管的性能。利用网上公开的DRIVE和STARE两个常用眼底图像数据集训练和评估该模型，得到骰子系数、精确度、特异性、灵敏度和准确率分别为86.49%、88.65%、98.82%、84.5%和97.46%。实验结果表明，该算法能有效地分割视网膜血管，获得血管的形态和结构信息，对于诊断和治疗眼底相关疾病具有重要意义。     

基于RAU-net的视网膜OCT图像快速自动分层研究

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估. 为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法. 该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习. 由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像. 结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s. 通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法.     

一种基于改进U形网络的 眼底图像视网膜新生血管检测方法

糖尿病性视网膜病变(简称糖网病)是主要的致盲眼疾病之一,视网膜新生血管的出现是糖网病恶化的重要标志.为了更准确地检测出视网膜新生血管,本文提出了一种基于彩色眼底图的视网膜新生血管检测方法.首先通过一种改进的U形卷积神经网络对血管进行分割;然后利用滑动窗口提取特定区域内血管的形态特征,通过支持向量机将窗口内的血管分为普通血管和新生血管.使用来自MESSIDOR数据集和Kaggle数据集的含有视网膜新生血管的彩色眼底图对实验进行训练和测试,结果表明该方法对视网膜新生血管检测的准确率为95.96％;该方法在糖网病计算机辅助诊断方面有潜在的应用前景.     

Automated Detection of Optic Disc from Digital Retinal Fundus Images for Screening Systems of Diabetic Retinopathy

Optic disc(OD) detection is a main step while developing automated screening systems for diabetic retinopathy. We present a method to automatically locate and extract the OD in digital retinal fundus images. Based on the property that main blood vessels gather in OD, the method starts with Otsu thresholding segmentation to obtain candidate regions of OD. Consequently, the main blood vessels which are segmented in H channel of color fundus images in Hue saturation value(HSV) space. Finally, a weighted vessels' direction matched filter is proposed to roughly match the direction of the main blood vessels to get the OD center which is used to pick the true OD out from the candidate regions of OD. The proposed method was evaluated on a dataset containing 100 fundus images of both normal and diseased retinas and the accuracy reaches 98%. Furthermore, the average time cost in processing an image is 1.3 s. Results suggest that the approach is reliable, and can efficiently detect OD from fundus images.     

基于同态滤波的视网膜图像辐射量畸变校正

在对视网膜图像成像特点分析的基础上，对视网膜图像辐射量畸变的原因进行了分析，提出采用同态滤波的方法进行辐射量畸变校正，并设计了相应的同态滋波器。通过和直方图均衡化及多段线性灰度拉伸方法的实验比较，可以看出此方法可以更多地保留图像中的细节，使得图像中的整体光照更加均匀。     

丹东市公交主干线OD现状分析

根据丹东市公交调查数据,对丹东市公交主干线各站交通发生量及交通吸引量进行统计,将3条线路均按两个区聚类,分析各区区内OD及两区间的OD,各主干线的换乘率及主要换乘方向,给丹东市公交线网评价提供参考资料.     

视网膜血管分割算法研究

针对现有的视网膜血管分割方法对微细血管分割精度低的问题, 在多尺度单通道线性追踪(MSLTA:Multi-Scale Single-Channel Linear Track)的图像分割方法基础上, 提出了一种新的、 有效的视网膜血管分割方法。采用 Gabor 滤波预处理以增强血管信息, 利用 MSLTA 算法获得最初的血管网络, 采用连通域标记的去噪方法,去除图像上的斑点噪声, 分割出最终的血管。 利用国际上公开的 DRIVE(Digital Retinal Images for VesselExtraction)数据库的视网膜图像进行实验, 并与现有的常规算法做了对比。 多组实验结果表明, 该方法的平均精确度达到 95. 37%, 能很好地保留微细血管。     

基于曲波变换的视网膜血管图像增强算法

视网膜血管图像存在像素对比度低等特点,干扰正常的视网膜图像分割.针对视网膜血管的图像特性,提出了一种改进的基于曲波变换的视网膜血管图像增强算法.首先选取视网膜图像的绿色通道分量进行预处理,然后通过对变换系数的自适应增强完成图像的增强处理,并结合改进的形态学变换,实现图像细节的增强和背景噪声的抑制,使得图像对比度得到增强,细节信息更加明显.通过与其他增强算法的比较表明,该算法在增强对比度、降低噪声干扰等方面优于其他算法.     

基于锐度感知最小化与多色域双级融合的视网膜图片质量分级

针对视网膜图片质量差异性大,质量分级模型泛化性能不足的问题,本文提出一种基于锐度感知最小化(Sharpness Aware Minimization,SAM)的多色域双级融合分级方法,用于视网膜图片质量评估。该方法首先采用RGB、HSV和LAB三种色域空间作为模型的特征提取空间,并利用ResNeSt作为特征提取网络,提取不同色域的空间特征。然后利用模型的特征级与预测级进行双级融合,再利用SAM优化方法提高视网膜图片质量分级模型的泛化性能。最后在EyeQ数据集上进行实验仿真,其准确率为87.35%、精确度为85.87%、敏感度为85.07%、F值为85.44%,所提方法的整体分级性能优于其他方法。