本文選題：視盤檢測 + 血管　； 參考：《湘潭大學(xué)》2016年碩士論文

【摘要】：視網(wǎng)膜眼底圖像近年來廣泛用于青光眼、白內(nèi)障等眼底病變以及會(huì)對(duì)視覺造成嚴(yán)重影響的糖尿病、高血壓、冠心病等疾病的診斷。由于病人規(guī)模龐大,眼科專家稀缺,因此基于計(jì)算機(jī)視覺的眼底圖像自動(dòng)病變檢測系統(tǒng)得到廣大研究人員的研究與關(guān)注。視盤是視網(wǎng)膜眼底圖像的主要生理結(jié)構(gòu)之一,準(zhǔn)確的定位視盤對(duì)于眼底圖像視覺檢測系統(tǒng)具有以下重要作用:(1)由于視盤和黃斑之間的距離可以近似估算得到,所以定位視盤位置有助于定位黃斑;(2)視盤是視網(wǎng)膜血管的匯聚區(qū),主血管從視盤向整個(gè)視網(wǎng)膜眼底圖像其他區(qū)域延伸,所以確定視盤位置有助于分割血管;(3)視盤的準(zhǔn)確定位能夠?qū)⑵浜腿菀谆鞌_的亮黃色病變(溢出物病變)區(qū)分開,從而有助于提高視網(wǎng)膜眼底圖像病變檢測的準(zhǔn)確性和魯棒性。由于成像條件的變化造成的成像質(zhì)量問題,以及各類病變等因素對(duì)視盤外觀的干擾或者破壞,使得視盤定位并不是一個(gè)容易解決的問題,目前還沒有能在大規(guī)模測試中普遍適用的算法,現(xiàn)有算法在魯棒性或快速性方面仍存在一定的缺陷。針對(duì)上述問題,本文致力于研究新的算法,提高視盤定位算法的魯棒性和效率,論文主要工作包括以下幾個(gè)方面:為了檢驗(yàn)利用血管特性和外觀特性的算法在檢測不同成像質(zhì)量和病變類型情況下的出錯(cuò)情況,選取了基于線性算子的視盤定位方法、基于血管分布和走向特性的視盤定位方法和基于投影法的視盤定位方法三種典型方法進(jìn)行實(shí)驗(yàn)分析,在我們整理歸類的一個(gè)較大規(guī)模的病變圖像集進(jìn)行了測試與算法魯棒性分析。實(shí)驗(yàn)結(jié)果表明,利用視盤外觀特性或只利用血管特性的方法對(duì)視盤外觀質(zhì)量和血管質(zhì)量比較敏感,當(dāng)質(zhì)量變差時(shí),準(zhǔn)確率會(huì)有較大程度下降;此外,隨著病變類型數(shù)目的增加,三種方法定位的準(zhǔn)確率都會(huì)下降。提出一種快速的視盤定位算法。算法首先通過LoG斑點(diǎn)檢測確定一定的視盤候選區(qū)域,然后綜合利用候選區(qū)域的外觀和血管特性辨別視盤真實(shí)位置。該方法由于可以在縮小后的眼底圖像上進(jìn)行,因此能夠獲得實(shí)時(shí)檢測效果,同時(shí)由于具有多尺度檢測能力,此方法能適應(yīng)不同尺寸的圖像數(shù)據(jù)集。該方法在五個(gè)公開的數(shù)據(jù)集1540幅圖像進(jìn)行了測試,定位準(zhǔn)確率達(dá)到97.9%。在五個(gè)數(shù)據(jù)集中平均檢測時(shí)間約0.2s,遠(yuǎn)快于目前絕大部分檢測算法。提出一種基于多種特性和兩級(jí)決策的魯棒視盤定位方法。算法首先利用全局的血管分布和方向特性,以及局部外觀特性找到若干視盤候選點(diǎn),然后引入局部特征描述子HOG特征來描述視盤候選點(diǎn)的細(xì)節(jié)信息,進(jìn)而通過SVM模型區(qū)分視盤和非視盤區(qū)域,最后采用基于相關(guān)度度量的非最大排除策略確定最終的視盤位置。實(shí)驗(yàn)結(jié)果表明,該算法具有良好的魯棒性,在正常和病變的眼底圖像中表現(xiàn)出良好的檢測精度。在四個(gè)公開的圖像集中,檢測精度達(dá)到97.9%。
[Abstract]:Retina fundus images have been widely used in recent years for the diagnosis of diabetes, hypertension, and coronary heart disease, such as glaucoma, cataract, and other diseases such as diabetes, hypertension and coronary heart disease. Because of the large scale of the patients and the scarcity of ophthalmologists, the automatic detection system based on computer vision has been obtained by the researchers. Research and attention. Optic disc is one of the main physiological structures of retina fundus image. Accurate locating disc has the following important functions for the visual inspection system of the fundus image: (1) the location of the optic disc position helps to locate the macula, and (2) the optic disc is the retinal blood vessel. The main vessel extends from the optic disc to the other regions of the retinal image of the whole retina, so the location of the optic disc helps to divide the blood vessels; (3) the accurate positioning of the disc can separate the bright yellow lesions (spillover lesions) which are easily disturbed, thus helping to improve the accuracy and robustness of the detection of the lesion of the retina of the retina. Because of the imaging quality problems caused by the change of imaging conditions, and the interference or destruction of various factors on the appearance of the optic disc, the disc positioning is not an easy problem. There is no common algorithm which can be widely used in large-scale test at present. The existing algorithm still has a certain lack of robustness or rapidity. Aiming at the above problems, this paper aims to study the new algorithm and improve the robustness and efficiency of the video disc localization algorithm. The main work of this paper is as follows: in order to test the error of detecting the quality of imaging and the type of the disease, the algorithm based on the linear operator is selected to test the error in detecting the different imaging quality and the disease type condition using the blood vessel characteristics and appearance characteristics. The video disc location method, based on the three typical methods of visual disk location based on blood vessel distribution and direction characteristics and the projection method based disk positioning method, is tested and analyzed. We have done a test and algorithm robustness analysis on a large scale image set which is classified and classified. The method of vascular properties is sensitive to the visual quality of the visual disc and the quality of the blood vessel. When the quality is poor, the accuracy rate will be greatly reduced. In addition, with the increase of the type of disease, the accuracy of the three methods will be reduced. A fast video disc localization algorithm is proposed. First, the algorithm is determined by LoG speckle detection. This method can adapt to the image data set of different sizes. This method can be adapted to the image data sets of different sizes. Five open data sets are tested with 1540 images. The location accuracy reaches 97.9%. in five data sets with an average detection time of about 0.2S, far faster than most of the current detection algorithms. A robust video location method based on multiple characteristics and two level decision making is proposed. The algorithm first uses the global blood vessel distribution and direction characteristics. A number of visual disk candidates are found and the local feature is found. Then the local feature descriptor HOG features are introduced to describe the details of the video disk candidate points. Then the SVM model is used to distinguish the optic disk and the non optic disk region. Finally, the final video disc position is determined by the non maximum elimination strategy based on the correlation measure. The experimental results show that the algorithm is designed. It has good robustness and shows good detection accuracy in normal and pathological fundus images. In four public image sets, the detection accuracy is 97.9%.
【學(xué)位授予單位】：湘潭大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R770.4;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡磊;畢維民;陳迪;郭永新;張光玉;李艷春;焦青;;眼底圖像處理軟件在眼科臨床應(yīng)用觀察[J];泰山醫(yī)學(xué)院學(xué)報(bào);2009年09期

2 張東波;易瑤;趙圓圓;;基于投影的視網(wǎng)膜眼底圖像視盤檢測方法[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2013年04期

3 劉愛珍,馬斌榮,徐亮,楊樺,孫秀英;眼底圖像融合[J];中國醫(yī)學(xué)影像技術(shù);2003年11期

4 劉愛珍;王小兵;徐亮;任海萍;宋菲;王颯;;眼底圖像對(duì)位頻閃[J];首都醫(yī)科大學(xué)學(xué)報(bào);2006年05期

5 余輪;魏麗芳;潘林;;眼底圖像配準(zhǔn)技術(shù)研究進(jìn)展[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年05期

6 魏麗芳;潘林;余輪;;一種病變眼底圖像的配準(zhǔn)方法[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2011年04期

7 陳驥;彭承琳;;眼底圖像的三維重建[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年01期

8 陳萌夢;熊興良;張琰;王詩鳴;李廣;;1種視網(wǎng)膜眼底圖像增強(qiáng)的新方法[J];重慶醫(yī)科大學(xué)學(xué)報(bào);2014年08期

9 劉愛珍,馬斌榮,徐亮,孫秀英,宋菲;眼底圖像的配準(zhǔn)[J];醫(yī)療設(shè)備信息;2003年10期

10 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗(yàn)系統(tǒng)對(duì)眼底的臨床觀察與研究[J];臨床醫(yī)學(xué)工程;2013年01期

相關(guān)會(huì)議論文 前4條

1 王子亮;潘林;余輪;;基于矢量方法的眼底圖像預(yù)處理[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

2 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗(yàn)系統(tǒng)對(duì)眼底的臨床觀察與研究[A];“廣東省光學(xué)學(xué)會(huì)2013年學(xué)術(shù)交流大會(huì)”暨“粵港臺(tái)光學(xué)界產(chǎn)學(xué)研合作交流大會(huì)”會(huì)議手冊論文集[C];2013年

3 黃君鑫;;紅外眼底鏡的研究[A];中國光學(xué)學(xué)會(huì)2006年學(xué)術(shù)大會(huì)論文摘要集[C];2006年

4 朱琳琳;唐延?xùn)|;;基于眼底特征的視盤自動(dòng)檢測[A];2010中國儀器儀表學(xué)術(shù)、產(chǎn)業(yè)大會(huì)（論文集1）[C];2010年

相關(guān)博士學(xué)位論文 前5條

1 高瑋瑋;眼底圖像分割算法及應(yīng)用研究[D];南京航空航天大學(xué);2013年

2 李居朋;眼底圖像處理與分析中一些關(guān)鍵問題的研究[D];北京交通大學(xué);2009年

3 韓松濤;眼底圖像的血管特征分析[D];吉林大學(xué);2010年

4 姚暢;眼底圖像分割方法的研究及其應(yīng)用[D];北京交通大學(xué);2009年

5 李鵬飛;眼底圖像實(shí)時(shí)處理與液晶自適應(yīng)系統(tǒng)控制研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2010年

相關(guān)碩士學(xué)位論文 前10條

1 于婷;眼底圖像視神經(jīng)盤和滲出物自動(dòng)分割算法研究[D];蘭州大學(xué);2015年

2 鄭姍;主動(dòng)輪廓模型及其在眼底圖像分割中的應(yīng)用[D];沈陽理工大學(xué);2015年

3 于甜甜;基于自適應(yīng)盲解卷積的眼底圖像復(fù)原[D];山東農(nóng)業(yè)大學(xué);2015年

4 于揮;眼底圖像中病變的檢測方法研究[D];蘭州交通大學(xué);2015年

5 趙麒然;基于改進(jìn)參數(shù)核圖割的OCT眼底圖像分割方法研究[D];吉林大學(xué);2016年

6 潘燕紅;基于監(jiān)督分類的糖尿病視網(wǎng)膜病變檢測方法的研究[D];福州大學(xué);2014年

7 李敏;眼底圖像血管三維重建方法研究[D];天津工業(yè)大學(xué);2016年

8 邵一婷;彩色眼底圖像視盤自動(dòng)檢測方法研究[D];天津工業(yè)大學(xué);2016年

9 祝婉;多模眼底圖像配準(zhǔn)方法研究[D];天津工業(yè)大學(xué);2016年

10 崔寧;彩色眼底圖像血管參數(shù)測量方法研究[D];天津工業(yè)大學(xué);2016年

，

本文編號(hào)：2061278