眼底圖像由專用眼底相機(jī)拍攝得到,包括視網(wǎng)膜視盤、黃斑和視網(wǎng)膜血管等主要結(jié)構(gòu),為醫(yī)學(xué)影像中的一種重要圖像,被廣泛應(yīng)用于輔助醫(yī)療診斷中。一方面,它可以輔助眼科醫(yī)生診斷如青光眼、老年性黃斑病變和糖尿病視網(wǎng)膜病變等眼底疾病。另一方面,由于視網(wǎng)膜血管是人類血液循環(huán)系統(tǒng)中唯一可以無創(chuàng)傷觀察到的血管結(jié)構(gòu),通過觀察視網(wǎng)膜血管結(jié)構(gòu)也可以輔助醫(yī)生診斷一些全身性的心血管疾病。因此,為使眼底圖像更好地輔助醫(yī)療診斷,本課題圍繞眼底圖像的評價(jià)和血管優(yōu)化做了以下三個(gè)方面的研究:（1）提出一種基于亮度、自然度和結(jié)構(gòu)布局分析的眼底圖像質(zhì)量評價(jià)方法,結(jié)合眼底圖像的亮度、自然度和結(jié)構(gòu)布局三重指標(biāo),自動(dòng)將眼底圖像分為質(zhì)量好和質(zhì)量差兩類,并推薦質(zhì)量差的眼底圖像重新拍攝。首先,選取1000幅具有代表性的眼底圖像建立評價(jià)所用圖像庫,并對眼底圖像亮度、自然度和圖像拍攝布局進(jìn)行主觀打分。然后,建立無參考眼底圖像客觀質(zhì)量評價(jià)模型:采用像素值統(tǒng)計(jì)方法評價(jià)眼底圖像亮度是否合理,融合多種特征訓(xùn)練多元高斯模型預(yù)測圖像是否清晰自然,并通過視盤定位計(jì)算視盤在眼底圖像的相對位置來衡量圖像拍攝布局是否合理。最后,由多種質(zhì)量回歸方法得出眼底圖像的總體質(zhì)量... 

【文章來源】：寧波大學(xué)浙江省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
引言
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 眼底圖像的質(zhì)量評價(jià)方法
        1.2.2 眼底圖像的血管分割方法
    1.3 論文主要工作及創(chuàng)新
    1.4 論文章節(jié)安排
2 基于亮度、自然度和結(jié)構(gòu)布局分析的眼底圖像質(zhì)量評價(jià)
    2.1 數(shù)據(jù)庫建立
        2.1.1 眼底圖像收集
        2.1.2 主觀評價(jià)
    2.2 客觀評價(jià)方法
        2.2.1 預(yù)處理
        2.2.2 亮度評價(jià)
        2.2.3 自然度評價(jià)
        2.2.4 結(jié)構(gòu)布局評價(jià)
        2.2.5 質(zhì)量融合
    2.3 實(shí)驗(yàn)結(jié)果及性能分析
    2.4 本章小結(jié)
3 眼底圖像血管增強(qiáng)方法研究
    3.1 基于Frangi濾波的血管增強(qiáng)
    3.2 基于Retinex的血管增強(qiáng)
    3.3 基于形態(tài)學(xué)變換的血管增強(qiáng)
    3.4 基于多尺度線狀結(jié)構(gòu)檢測的血管增強(qiáng)
    3.5 基于TV-L1 模型的血管增強(qiáng)
    3.6 基于CLAHE的血管增強(qiáng)
    3.7 本章小結(jié)
4 基于跨模態(tài)字典學(xué)習(xí)的眼底圖像血管分割
    4.1 預(yù)處理
    4.2 跨模態(tài)字典訓(xùn)練
    4.3 血管重建分割
    4.4 后處理
    4.5 實(shí)驗(yàn)結(jié)果及性能分析
        4.5.1 數(shù)據(jù)庫和評估指標(biāo)
        4.5.2 實(shí)驗(yàn)結(jié)果
        4.5.3 性能比較
    4.6 本章小結(jié)
5 融合多種增強(qiáng)特征的辨別性視網(wǎng)膜血管分割
    5.1 增強(qiáng)圖像獲取
    5.2 粗細(xì)血管分類
    5.3 辨別性字典訓(xùn)練
    5.4 血管重建及后處理
    5.5 實(shí)驗(yàn)結(jié)果及性能分析
        5.5.1 實(shí)驗(yàn)結(jié)果
        5.5.2 性能比較
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來研究展望
參考文獻(xiàn)
在學(xué)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]鄰域約束模型的眼底圖像硬性滲出聚類檢測方法[J]. 曹新容,林嘉雯,薛嵐燕,余輪.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(11)
[2]CT影像識別的卷積神經(jīng)網(wǎng)絡(luò)模型[J]. 管姝,張騫予,謝紅薇,強(qiáng)彥,程臻.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2018(08)
[3]基于局部形狀結(jié)構(gòu)分類的心血管內(nèi)超聲圖像中-外膜邊界檢測[J]. 袁紹鋒,楊豐,劉樹杰,季飛,黃靖.  電子學(xué)報(bào). 2018(07)
[4]一種混合特征高效融合的視網(wǎng)膜血管分割方法[J]. 蔡軼珩,高旭蓉,邱長炎,崔益澤.  電子與信息學(xué)報(bào). 2017(08)
[5]基于多特征融合和隨機(jī)森林的視網(wǎng)膜血管分割[J]. 朱承璋,崔錦愷,鄒北驥,陳瑤,王俊.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(04)
[6]基于深度學(xué)習(xí)的無參考立體圖像質(zhì)量評價(jià)[J]. 田維軍,邵楓,蔣剛毅,郁梅.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(06)
[7]眼底圖像中黃斑中心與視盤自動(dòng)檢測新方法[J]. 鄭紹華,陳健,潘林,郭健,余輪.  電子與信息學(xué)報(bào). 2014(11)
[8]基于Hessian算子的多尺度視網(wǎng)膜血管增強(qiáng)濾波方法[J]. 丘赟立,蔣先剛,熊娟.  計(jì)算機(jī)應(yīng)用與軟件. 2014(09)

碩士論文
[1]視網(wǎng)膜圖像解剖結(jié)構(gòu)檢測及病變分析研究[D]. 陳寧華.浙江大學(xué) 2017



本文編號：3205188