首页 > 文献资料
-
眼底图像的配准
医学图像配准是人体可视化和医学图像分析的基础.配准技术的重要医学应用之一就是用手动、半自动或者自动技术进行眼底图像配准、频闪观察,便于眼底疾病的诊断和治疗.本文介绍了图像配准概念和分类,对眼底图像配准方法进行了介绍和对比分析,并且展望了眼底图像配准的发展.
-
基于图像分割的糖尿病性视网膜病变血管研究
目的:研究图像分割法在糖尿病性视网膜病变血管中的应用价值.方法:选择2015年4月~2017年6月间本院接诊的糖尿病病患27例,并利用计算机图像处理技术以及图像分割法,对所选病例的眼底图像视网膜血管进行规范化的分割、提取.综合分析本组27例病患视网膜血管分割、提取的结果,总结图像分割法在糖尿病性视网膜病变血管中的应用价值和意义.结果:在病变以及正常眼底图像当中,利用图像分割法分割出来的视网膜血管都比较完整,并且相比较于眼底荧光素血管造影图像与眼底图像,经图像分割法分割出来的视网膜血管更加的精确与清晰.结论:积极利用图像分割法,分割糖尿病性视网膜病变血管,可取得比眼底图像等方法更好的分割效果,且也更有助于临床医师对糖尿病性视网膜病变患者病情的诊断,值得临床借鉴.
-
眼底图像中硬性渗出物检测算法
目的 利用眼底图像中硬性渗出物(hard exudates,HE)的亮度与边缘特征,提出一种基于Canny边缘检测算法与形态学重构相结合的HE自动检测方法 ,以解决目前算法灵敏度低、检测结果 中视盘和血管的干扰等问题,对糖尿病视网膜病变(diabetic retinopathy,DR)的自动筛查具有重要意义.方法检测算法包括4个步骤.步骤一,图像预处理,主要包括RGB通道选取、基于形态学的图像对比度增强.步骤二,视网膜图像关键结构的消除,利用基于Gabor滤波的血管分割方法,消除血管边缘对HE检测的影响.将本文视杯分割算法应用在眼底图像红色通道上实现视盘自动分割,消除视盘及其边缘对HE检测的影响.步骤三,利用改进的Canny边缘检测算法和形态学重构方法对HE进行提取.步骤四,基于形态学的图像后处理,消除眼底图像边缘部分假阳性区域.后利用该算法测试公开数据库中的40幅图像(35幅HE病变图像,5幅正常图像).结果该算法对基于病变的灵敏性(sensitivity,SE)和阳性预测值(positive predictive value,PPV)分别为93.18％和79.26％,基于图像的灵敏性、特异性(specificity,SP)和准确率(accuracy,ACC)分别为97.14％ 、80.00％和95.00％.结论 与其他方法对比,基于Canny边缘检测算法与形态学重构相结合的HE自动检测算法具有较好的可行性.
-
基于改进的模糊C-均值聚类算法及支持向量机的眼底图像中硬性渗出检测方法
目的 提出一种基于改进的模糊C-均值(improved fuzzy C-means,IFCM)聚类算法及支持向量机(support vector machine,SVM)的检测算法,以实现对眼底图像中硬性渗出的自动识别.方法 首先利用改进的FCM算法对由江苏省中医院眼科提供的120幅彩色眼底图像进行粗分割以获取硬性渗出候选区域;其次,利用Logistic回归对候选区域提取出的特征进行选择,并利用候选区域的优化特征集及相应判定结果建立SVM分类器,实现眼底图像中硬性渗出的自动检测;后利用该方法对65幅眼底图像进行硬性渗出自动检测.结果 硬性渗出自动检测得到的病灶区域水平灵敏度96.47%,阳性预测值90.13%;图像水平灵敏度100%,特异性95.00%,准确率98.46%;平均一幅图像处理时间4.56 s.结论 利用改进的FCM算法与识别率较高的SVM分类器相结合的方法能够高效自动地识别出眼底图像中的硬性渗出.
-
基于一种新型模糊增强算法的眼底图像增强
眼底图像是细节较多的复杂图像,Pal等人提出的模糊增强算法对增强这类图像有着较好的效果.但这种算法存在着处理速度较慢和容易损失信息的缺陷.针对这一情况,本文提出了一种改进后的模糊增强算法.实验证明,改进后的模糊增强算法对眼底图像的增强有着更好的效果.
-
一种眼底视盘图像的自动分割方法
本文研究了基于计算机图像处理技术的眼底视盘图像的自动分割方法.首先获取视盘图像的红基色图像,然后根据红基色图像中视盘的明显的边沿特征实现视盘的自动分割.一幅具体的眼底图像实验证明了本方法的可行性.
-
糖尿病视网膜病变自动筛查方法研究进展
糖尿病视网膜病变(diabetic retinopathy,DR)是糖尿病的严重并发症,是成年人视力下降甚至致盲的主要原因之一.适当的眼底筛查方法可预防糖尿病视网膜病变的发生,有利于疾病的早期诊断和治疗,有效降低失明率.自动的眼底图像处理是糖尿病视网膜病变的一种重要初步筛查方式,不仅可以减少人为误差,也大大减轻了眼科医生的负担.本文回顾了基于视网膜眼底数码图像的糖尿病视网膜病变自动筛查方法的研究进展,讨论了文献中多种现有技术的结果和不足,展望了其研究前景和面临的挑战,为糖尿病视网膜病变自动筛查算法的设计者提供了指导.
-
基于层次式优化的多幅眼底图像融合方法
针对眼底图像配准后直接叠加产生的接缝及如何保证多幅图像融合后细节信息不丢失的问题,提出层次式优化的多频带眼底图像融合方法.该方法通过多阈值分割获取掩模图像并计算其欧式距离得到各层次图像蒙版;根据欧氏距离值及拉普拉斯能量和设计每层蒙版图像的改进加权系数.构建基于信息熵、空间频率和清晰度的图像融合联合客观评价方法进行分析.后,利用配准误差及重叠率对图像序列进行分组融合后进入下一层,对于奇数幅图像序列中没有组合的图像直接放入下一层.再根据分组规则重新分组进行优化融合,实现层次式的多幅眼底图像优化融合.通过对75组取自福建省附属第一医院眼科及眼底相机实验系统的图像序列,涉及4 898组图像对(正常眼底图像2 952对,病变眼底图像1 946对)进行测试与验证,结果表明,提出方法在有效除去拼接缝的同时,融合图像在重叠区域的RMSE值约为(0.1士0.05)像素.提出的融合方法在客观评价和主观视觉效果之间取得了较好的平衡.
-
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
眼底出血点是糖尿病视网膜病变的早期症状,准确检测眼底图像中的出血点,对于构建糖尿病视网膜病变的自动筛查系统具有重要意义,本研究提出了一种基于k均值聚类和自适应模板匹配的出血点检测方法.首先利用HSV空间亮度校正以及对比度受限自适应直方图均衡化方法对眼底图像进行预处理,然后使用k均值聚类分割出候选目标,后利用自适应归一化互相关模板匹配与支持向量机(SVM)分类器对候选目标进行筛选,从而得到真正的出血区.采用DIARETDB数据库的219幅眼底图像进行实验,本方法在图像水平的灵敏度为100％,特异性为80％,准确率为92.4％,在病灶水平的灵敏度为89％,阳性预测值为87.3％.结果表明本方法能够实现眼底图像中出血点的自动检测.
-
基于相位一致性模型的眼底微动脉瘤检测方法
眼底微动脉瘤是糖尿病视网膜病变早期的症状,准确检测眼底图像中的微动脉瘤对糖尿病视网膜病变的筛查具有重要意义.提出一种基于相位一致性模型的微动脉瘤检测方法.首先采用相位一致性模型获取微动脉瘤候选者,然后通过构建灰度剖面图去除图像中血管片段等无关信息,从而筛选出真正的微动脉瘤.通过对ROC网站提供的50幅眼底图像进行实验,在图像水平上实现了灵敏度94％、特异性100％、准确率96％的检测效果.结果表明,该方法对图像的亮度、对比度不敏感,能够高效自动地检测出彩色眼底图像中的微动脉瘤.
-
改进的快速FCM及SVM实现糖网白色病灶的自动检测
为构建基于眼底图像的糖尿病视网膜病变(糖网)自动筛查系统,提出一种基于改进的快速FCM(IFFCM)及SVM的糖网白色病灶自动检测算法.首先,利用改进的快速FCM算法,对彩色眼底图像进行粗分割获取糖网白色病灶候选区域,由于该算法将中值滤波添加到FCM算法的准则函数中,同时利用K-means算法的聚类结果对FCM进行聚类中心初始化,使得该算法克服了传统FCM算法计算复杂度高以及对噪声敏感的缺点；其次,采用两层级联分类结构的SVM对候选区域进行分类,即先利用SVM根据候选区域的特征集将白色病灶提取出来,再利用SVM根据另外的特征集将白色病灶中的硬性渗出与棉绒斑区分开,从而实现眼底图像中糖网白色病灶的自动检测.利用该方法对65幅眼底图像进行糖网白色病灶的自动检测,得到图像水平灵敏度100％,特异性95.0％,准确率98.46％；病灶区域水平(硬性渗出/棉绒斑)灵敏度96.42％/97.15％,阳性预测值90.03％/91.18％；平均一幅图像处理时间35.56 s.结果表明:将改进的快速FCM算法所提供的良好粗分割结果与识别率较高的分类器SVM相结合,使得对糖网白色病灶的自动检测结果较优,即该算法能够高效地自动检测出眼底图像中的糖网白色病灶.
-
一种病变眼底图像的配准方法
对于具有病变的眼底图像,血管结构不够清晰,采用基于血管分割和血管分支点、交叉点等眼底图像配准方法具有一定的局限性.为了解决这个问题,提出一种基于不变特征的眼底图像配准方法.提取眼底图像的尺度不变特征(SIF)作为特征点,提出双边“或”的Best-Bin-First (BBF)算法进行特征点匹配,并根据特征点具有旋转不变性的方向特征和空间斜率及空间距离等几何特性的一致性检测去除误匹配,精化匹配特征,利用得到的匹配特征进行M估计得到眼底图像的变换关系.通过对不同程度病变的眼底图像数据进行配准实验,观察配准结果,对比匹配特征的正确匹配数量和分析衡量配准精度的均方根误差.结果表明,该方法实现了良好的细节对齐,保留了足够的正确匹配对,对实验的病变眼底图像配准成功后的均方根误差均小于1,且浮动于0.5左右,验证了方法的精确性和有效性.
-
基于定向局部对比度的眼底图像视盘检测方法
视盘作为眼底图像的一个重要特征,其自动检测方法在眼底病变图像分析中有着重要的作用.提出一种基于定向局部对比度滤波的方法,有效地提取眼底图像中的局部亮度区域;结合视盘区域的局部血管特征,选择定位出正确的视盘感兴趣区域;采用数学形态学方法和区域主动轮廓模型,可较准确地检测出视盘轮廓.对开放的STARE数据库上的81幅眼底图像进行测试,其中含31幅正常和50幅病变图像(含严重病理图像),用该方法正确检测出视盘73幅,准确率约为90.1％.结果表明,该方法有效地克服大块亮斑病灶对视盘检测的影响,且仅需提取粗血管,计算较为简单,说明了算法的有效性.
-
糖尿病性视网膜病变图像黄斑水肿等级自动分析方法
糖尿病性黄斑水肿(DME)可以出现在糖尿病性视网膜病变(DR)的任何阶段,是导致糖尿病患者视力损伤的主要原因,因此DME自动分析是DR筛查的关键内容.依据DME国际临床分级标准,通过检测并判断硬性渗出(HEs)是否接近或涉及黄斑中心,可对眼底图像进行DME等级的自动分析.HEs检测选择基于现有的数学形态学方法的综合改进;黄斑中心定位则引入定向局部对比度滤波结合局部血管密度的新方法,可同步确定并去除视盘区域,以消除对HEs检测的影响,其中血管密度仅需提取粗血管网络.经开放的HEI-MED数据集中169幅眼底图像的测试,HEs检测在图像水平上获得100％敏感性和92.2％特异性;黄斑中心定位正确率98.2％;各DME等级评价正确率均在88％以上,具有重要的临床参考和应用价值.
-
由二维眼底正投影图像向三维曲面逆投影成像的重建算法
本文根据眼球的解剖学和生理学特征建立了适于医学可视化的眼底数学模型,分析得出了眼底成像系统成像的先验知识,在此基础上提出中心扩散法将二维眼底图像逆投影到眼底三维曲面上,重建了真实的眼底三维可视化环境.本算法重建三维眼底具有准确、快速、不失真的优点,为在三维眼底曲面上获取真实的眼底参数、为临床诊断和治疗提供了有力的帮助.
-
眼底图像畸变的校正及多幅图像的特征点拼接算法
对于眼底图像,由于不在正视点取像造成的几何畸变和由于荧光素从血管壁渗漏等造成的灰度畸变,几乎是不可避免的.为临床诊断提供丰富信息的需要出发,进行多幅眼底图像的拼接是必要的.本文为此提出了几个新的处理方法,如基于大窗口的滤波灰度校正方法、基于透视投影原理的几何校正方法与基于小波子空间上的拼接算法,均具有效果好和耗时少的优点.
-
利用基于内容的图像检索技术的眼底图像计算机辅助诊断系统
设计并实现一个眼底图像计算机辅助诊断系统.利用基于内容的图像检索(CBIR)技术,提出一种综合考虑眼底图像颜色(灰度)直方图和明、暗区域等局部信息相混合来表示眼底特征的方法,并运用二维主成分分析法进一步提取非线性特征和降维.在相似性度量上,运用支持向量机和近邻分类算法.随机测试120个样本,系统检索错误的图片数为2张,其正确识别率为98.33％.该系统可用于异常眼底的筛查.
-
一款适用于糖尿病视网膜病变远程筛查的软件
一、软件的构思及组成软件将实现2个主要功能,一是采集图像功能,该功能可收集患者的一般资料、专科检查,并将由眼底照相机采集的眼底图像收集,与每个患者对应,存储.另一功能是阅片功能.南阅片中心的专科医生打开,对每个患者的资料及眼底图片进行浏览、阅片,然后做出诊断意见,终生成结果文件,可反馈给患者,指导治疗.
-
第八届拓普康杯图片展获奖作品选登（二）
图片简介 A图示视网膜血管发育异常彩色眼底图像； B图示有髓鞘神经纤维彩色眼底像； C图示人工角膜移植术后彩色外观图像； D图示视网膜蔓状血管瘤彩色眼底图像；E图示视网膜蔓状血管瘤无赤光眼底图像； F图示视网膜蔓状血管瘤荧光素眼底血管造影图像； G图示先天性视网膜劈裂光学相干断层扫描图像； H图示先天性视盘小凹彩色眼底图像； I图示先天性视盘小凹光学相干断层扫描佳扫描方向图像； J图示先天性视盘小凹光学相干断层扫描图像。
-
第九届拓普康杯影像展优秀作品选登（二）
图片简介 A图示瞳孔残膜彩色图像；B图示眼溅入高浓度过氧乙酸外观彩色图像，结膜充血，白内障；C 图示＂雾里看花＂（弥散光照射）彩色图像；D图示“雾里看花”（背景光照射）彩色图像；E图示眼溅入高浓度过氧乙酸外观彩色图像，前房上方气泡、白内障；F图示眼溅入高浓度过氧乙酸外观彩色图像，颞侧球结膜下气泡；G图示眼溅入高浓度过氧乙酸外观彩色图像，前房及下方球结膜下气泡，伴白内障；H图示老年黄斑变性彩色眼底图像；I图示老年黄斑变性光学相干断层扫描检查图像。
