收藏本站
《吉林大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

眼底图像分割方法研究

姜平  
【摘要】:医学影像学及相关分析处理技术已经在医学领域得到了广泛应用,并逐渐发展成为临床诊断和治疗的重要依据。其作为辅助诊疗的关键,具有重要的研究和应用价值。眼底图像是眼科中通过眼底照相机获得的一种诊断影像,对眼底图像进行分析处理可以发现血管结构的变化,从而为糖尿病、高血压等引起的眼底病变的诊断和治疗提供辅助信息。由于眼底图像结构复杂多变,在对其自动分析处理方面取得的能够实际应用的研究成果不多,仍然有一些技术瓶颈需要突破。因此论文从眼底图像预处理、视盘定位及分割、血管分割等问题入手,主要进行以下几个方面的研究工作。1.眼底图像视盘边缘较为模糊,血管较细,由于图像噪音、光照不均、目标背景对比度弱等原因,难以实现对二者的精确分割。本文提出专门针对眼底图像结构及灰度特征的图像去噪方法。传统的去噪是对整幅图像进行统一处理,在滤除噪音的同时也会造成图像分割目标边缘细节的丢失,从而导致分割结果的不准确和不完整。因此提出局部自适应滤波方法,对于每一个像素,以其为中心取邻域,并分析该邻域中像素灰度分布状况,若邻域内像素灰度差异在一定范围内,则认为该邻域像素属于同一类别,若中心像素灰度与邻域像素平均灰度之差大于预设的阈值,则认为该像素是噪音点,以邻域像素颜色均值代替实现去噪,否则不进行滤波处理。局部自适应滤波根据邻域环境状况判断是否对像素进行平滑处理,能够有效地去除图像中的椒盐噪声,同时可以保留图像的边缘细节。2.本文提出基于灰度和数学形态学的视盘自动定位及精确分割方法,由于图像边缘模糊、光照不均等问题,难以对视盘进行定位及精确分割。本文首先对图像灰度分布情况进行统计,针对每幅图像,自适应确定一个灰度阈值,灰度高于阈值的像素被标注为视盘候选区域点,根据视盘的大小定义结构元素,借鉴腐蚀运算机理寻找视盘位置实现视盘定位。以视盘中心点为圆心,确定一个能够完全包含视盘的最小包围圆,清除圆内血管,学习视盘边缘点灰度特征,选取符合特征的像素点作为视盘边缘,完成对视盘的精确分割。与传统的主动轮廓模型方法相比,本方法无需人工干预,其效率更高,边界提取更准确。3.本文提出基于点特异度的眼底血管分割方法。以灰度为基础给出点特异度的定义,为图像中每一个像素计算点特异度值。由点特异度定义可知,如果一个像素的点特异度值较大,则该像素有较大的概率属于血管,否则有较大的概率属于背景。以该理论为依据,针对不同类型的眼底图像,分别提出两种血管分割方法。(1)基于局部自适应阈值的眼底血管分割方法。眼底图像在获取过程中由于光照不均,会造成图像的各个区域灰度分布差异较大,若按同一标准进行血管分割,会导致分割准确度的下降;而且如果图像中存在较多的椒盐噪声,会对细小血管的分割造成干扰。针对上述问题,首先对图像进行局部自适应滤波处理消除椒盐噪声,然后设置点特异度阈值对血管进行预分割,将图像分成互不重叠的16′16的小区域,对每一个小区域,应用梯度下降自适应地计算其局部点特异度阈值,并用于小区域的血管分割。最后将所有小区域的分割结果合并得到整体分割结果,通过噪音去除、集群感知搜索遗漏血管像素和间断血管片段连接,最终得到完整的血管结构。(2)基于自适应分类策略的眼底血管分割方法。不同眼底图像之间灰度分布或其他结构特征会有差别,有些眼底图像,视盘区域灰度较大,视盘边缘显著,容易被误分割为血管;有些图像对比度不高,部分血管边缘细节较为模糊,血管中心存在高亮区域;有些图像中存在较多的病变区域,灰度较低,容易被误分割为血管等。针对上述问题,将血管分割任务分3阶段实现,首先基于点特异度和血管概率之间的关系,将点特异度阈值设置较高,大于阈值的像素提取出来作为主血管,然后运用自适应分类策略对剩余像素进行分类,将剩余的每个像素作为一个Agent,在多尺度点特异度阈值范围内,根据邻域Agent状态修订自身状态,逐步完成对像素的分类,最后通过双层窗口去噪对噪音进行滤除实现对图像血管结构的分割。4.设计并训练了一种卷积神经网络,能够同时分割视盘和血管。在分割之前首先对眼底图像进行归一化以保证所有图像背景亮度和对比度的一致性。对于眼底图像的每个有效点,提取有效点三个不同尺度的邻域构成三通道输入前向传播通过5层网络。输出层包含三个神经元,分别对应背景、视盘和血管三个分类。应用DRIVE数据库眼底图像作为测试数据,本方法平均分割准确度达到了92.99%,其中单幅图像分割准确度最高为94.95%,准确度最低为88.79%。使用一个卷积神经网络实现了眼底视盘和血管的精确分割,与其他卷积网络相比,降低了卷积网络的训练时间,提高了分割效率。
【学位授予单位】:吉林大学
【学位级别】:博士
【学位授予年份】:2018
【分类号】:TP391.41

【参考文献】
中国期刊全文数据库 前10条
1 姜平;窦全胜;王晶;;基于局部自适应点特异度阈值的眼底图像血管分割方法研究[J];南京大学学报(自然科学);2015年01期
2 朱承璋;向遥;邹北骥;高旭;梁毅雄;毕佳;;基于分类回归树和AdaBoost的眼底图像视网膜血管分割[J];计算机辅助设计与图形学学报;2014年03期
3 赖均;解梅;;基于分数阶微分增强的肺CT图像血管分割[J];计算机应用;2011年04期
4 马新;陈松灿;;彩色视网膜图像中基于主血管网的视盘定位[J];江南大学学报(自然科学版);2010年01期
5 戴培山;王博亮;鞠颖;;视网膜血管图像分割及眼底血管三维重建[J];自动化学报;2009年09期
6 李居朋;陈后金;张新媛;;基于先验知识随机游走模型的视网膜血管分割方法[J];中国生物医学工程学报;2009年04期
7 姚畅;陈后金;李居朋;;基于过渡区提取的视网膜血管分割方法[J];电子学报;2008年05期
8 汤敏;王惠南;;彩色视网膜血管图像的自动分割算法[J];仪器仪表学报;2007年07期
9 潘立丰;王利生;;一种视网膜血管自适应提取方法[J];中国图象图形学报;2006年03期
10 朱宏擎;基于灰度-梯度共生矩阵的视网膜血管分割方法[J];上海交通大学学报;2004年09期
【共引文献】
中国期刊全文数据库 前10条
1 张嘉阳;黄河;刘子怡;金家林;张家拓;;基于Gabor滤波器的糖尿病视网膜新生血管检测[J];中国医学物理学杂志;2018年08期
2 庄宇;陈光彪;付庄;;心血管造影图像的分割与诊断[J];机械与电子;2018年04期
3 贺明;宋文爱;康珺;;基于萤火虫算法的三维Renyi熵眼底图像血管分割[J];科学技术与工程;2018年09期
4 郭凤仪;邓勇;王智勇;游江龙;高洪鑫;;基于灰度-梯度共生矩阵的串联故障电弧特征[J];电工技术学报;2018年01期
5 王洪娟;;基于图像分割的糖尿病性视网膜病变血管研究[J];中国医疗器械信息;2017年19期
6 吴慧;陈再良;欧阳平波;陈昌龙;邹北骥;;基于置信度计算的快速眼底图像视盘定位[J];计算机辅助设计与图形学学报;2017年06期
7 李龙云;;基于局部傅里叶变换的方向自适应匹配滤波的视网膜血管分割[J];信息通信;2017年06期
8 武劲圆;游国栋;严宇;荣宏伟;李继生;;基于图像分割的糖尿病性视网膜病变血管的分析[J];医疗卫生装备;2017年06期
9 翟丽红;;一种视网膜眼底图像血管分割方法[J];电子技术与软件工程;2017年05期
10 徐光柱;张柳;邹耀斌;夏平;雷帮军;;自适应脉冲耦合神经网络与匹配滤波器相结合的视网膜血管分割[J];光学精密工程;2017年03期
【二级参考文献】
中国期刊全文数据库 前10条
1 纳跃跃;于剑;;一种用于谱聚类图像分割的像素相似度计算方法[J];南京大学学报(自然科学版);2013年02期
2 王卫星;谭嘉玉;;基于分数阶微分和形态学多级合成的岩石节理裂隙图像分割[J];计算机应用;2010年04期
3 杨柱中;周激流;晏祥玉;黄梅;;基于分数阶微分的图像增强[J];计算机辅助设计与图形学学报;2008年03期
4 蒲亦非;王卫星;;数字图像的分数阶微分掩模及其数值运算规则[J];自动化学报;2007年11期
5 蒲亦非;;将分数阶微分演算引入数字图像处理[J];四川大学学报(工程科学版);2007年03期
6 潘立丰;王利生;;一种视网膜血管自适应提取方法[J];中国图象图形学报;2006年03期
7 王爽,徐亮,李建军;视网膜微血管异常与心脑血管疾病关系的流行病学研究[J];国外医学(眼科学分册);2005年03期
8 朱宏擎;基于灰度-梯度共生矩阵的视网膜血管分割方法[J];上海交通大学学报;2004年09期
9 罗玲,解梅,陈杉;基于多尺度形态滤波的分水岭图像分割方法[J];计算机辅助设计与图形学学报;2004年02期
10 李超,梁斌,陈武凡,吴德正;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[J];中国生物医学工程学报;2002年04期
【相似文献】
中国期刊全文数据库 前10条
1 吉浩;刘灵;李璐;赵丹丹;;眼底图像处理与分析中的关键技术研究[J];中国继续医学教育;2018年27期
2 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[J];临床医学工程;2013年01期
3 刘爱珍,马斌荣,徐亮,杨桦,孙秀英;眼底图像融合[J];中国医学影像技术;2003年11期
4 高玮玮;程武山;沈建新;左晶;张爱华;;免散瞳眼底图像在糖尿病视网膜病变自动筛查中的应用[J];激光生物学报;2015年04期
5 盛韩伟;戴培山;刘智航;张文妙韵;赵亚丽;范敏;;基于拓扑结构的眼底图像分割评价新方法[J];生物医学工程学杂志;2015年05期
6 易瑶;张东波;李雄;;奇异值分解低通滤波眼底图像归一化[J];计算机工程与应用;2013年08期
7 呙明;陈长征;刘剑萍;聂尚武;;一款适用于糖尿病视网膜病变远程筛查的软件[J];眼科;2010年01期
8 姜平;窦全胜;王晶;;基于局部自适应点特异度阈值的眼底图像血管分割方法研究[J];南京大学学报(自然科学);2015年01期
9 陈萌梦;熊兴良;李广;张婷婷;;眼底图像增强及评价[J];生物医学工程学杂志;2014年05期
10 周浩,李云岗,周韵秋,施鹏飞,蔡季平,王志英;真彩眼底图像分析系统软件1.0版的研制[J];第二军医大学学报;1997年04期
中国重要会议论文全文数据库 前5条
1 王子亮;潘林;余轮;;基于矢量方法的眼底图像预处理[A];第十四届全国图象图形学学术会议论文集[C];2008年
2 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[A];“广东省光学学会2013年学术交流大会”暨“粤港台光学界产学研合作交流大会”会议手册论文集[C];2013年
3 黄君鑫;;红外眼底镜的研究[A];中国光学学会2006年学术大会论文摘要集[C];2006年
4 陈骥;彭承琳;刘成冬;;眼底照相机图像采集处理系统设计[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
5 ;外宾介绍[A];中国眼底病论坛·全国眼底病专题学术研讨会论文汇编[C];2008年
中国博士学位论文全文数据库 前10条
1 姜平;眼底图像分割方法研究[D];吉林大学;2018年
2 张欣鹏;彩色眼底图像微动脉瘤检测方法研究[D];天津工业大学;2017年
3 韩松涛;眼底图像的血管特征分析[D];吉林大学;2010年
4 金凯;重要眼病基于计算机辅助图像分析诊断技术研究[D];浙江大学;2018年
5 高玮玮;眼底图像分割算法及应用研究[D];南京航空航天大学;2013年
6 姚畅;眼底图像分割方法的研究及其应用[D];北京交通大学;2009年
7 王玉亮;眼底图像处理与分析中的关键技术研究[D];南京航空航天大学;2012年
8 李居朋;眼底图像处理与分析中一些关键问题的研究[D];北京交通大学;2009年
9 王少泽;基于概率推断的图像质量评价关键技术研究与应用[D];浙江大学;2017年
10 李鹏飞;眼底图像实时处理与液晶自适应系统控制研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2010年
中国硕士学位论文全文数据库 前10条
1 刘森泽;基于深度学习的糖尿病视网膜病变智能诊断系统[D];山东大学;2018年
2 宋舒雅;彩色眼底图像与荧光造影眼底图像配准与融合方法研究[D];天津工业大学;2018年
3 杨嵩;彩色眼底图像血管参数测量方法研究[D];天津工业大学;2018年
4 侯康宁;基于最佳兄弟相似性的眼底图像视盘定位方法[D];山东师范大学;2018年
5 任秀秀;基于监督描述子的眼底图像黄斑病变分割方法研究[D];山东师范大学;2018年
6 段汶君;基于曲线群匹配的OCT眼底图像分割方法研究[D];山东师范大学;2018年
7 李博;基于彩色眼底图像的新生血管自动检测方法[D];东北大学;2015年
8 王翠翠;彩色眼底图像质量自动评估[D];东北大学;2015年
9 张坤;基于改进分叉结构的薄板样条函数眼底图像配准[D];福建师范大学;2017年
10 王子朋;基于深度网络的眼底图像语义标注研究及应用[D];电子科技大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026