發(fā)布時(shí)間：2021-04-07 02:22

　　視網(wǎng)膜血管網(wǎng)絡(luò)是唯一可以在體內(nèi)可視化和拍照的血管系統(tǒng)。視網(wǎng)膜血管成像能夠?yàn)榛加刑囟ㄐ难芗膊『脱劭萍膊〉幕颊咛峁┡R床預(yù)后信息。分割視網(wǎng)膜血管是監(jiān)測(cè)視網(wǎng)膜血管網(wǎng)絡(luò)狀況的先決條件。青光眼是一種廣泛的眼病,發(fā)病率高,導(dǎo)致視力下降。由于這種疾病的惡化是不可逆的,因此及早和及時(shí)的診斷非常重要。杯盤比（CDR）是用于診斷青光眼的最常見生物標(biāo)志物之一。因此準(zhǔn)確的分割視杯視盤及眼底血管并對(duì)其進(jìn)行形態(tài)學(xué)分析具有重要的應(yīng)用價(jià)值和實(shí)際意義。在分割眼底圖像之前,本文首先對(duì)原始眼底圖像進(jìn)行預(yù)處理。包括圖像的通道選擇、濾波去噪、血管質(zhì)量評(píng)估等。預(yù)處理之后,采用深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)了眼底圖像的血管分割、視盤分割、視杯分割。分割完成之后再對(duì)各個(gè)結(jié)構(gòu)進(jìn)行形態(tài)學(xué)分析。具體研究?jī)?nèi)容如下:（1）提出并驗(yàn)證了一種無監(jiān)督的血管質(zhì)量評(píng)估方案,用于預(yù)處理中的圖片篩選。在進(jìn)行分割任務(wù)之前,可以有效剔除對(duì)算法精確度產(chǎn)生不良影響的圖片,同時(shí)可以為某些疾病診斷提供診斷依據(jù)。（2）提出了一種用于OD和OC聯(lián)合分割的新穎框架。我們工作的主要貢獻(xiàn)在于:為了消除不確定性,我們從傳統(tǒng)貝葉斯神經(jīng)網(wǎng)絡(luò)（BNN）的最大似然估計(jì)（MLE）中學(xué)習(xí),并采用新穎的框架... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

血管質(zhì)量評(píng)估流程圖

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-15-圖2-2圖像分區(qū)示意圖針對(duì)S3進(jìn)行說明：對(duì)眼底圖像的各個(gè)分區(qū)求取多種特征參數(shù)，在實(shí)驗(yàn)階段嘗試了包括對(duì)比度、亮度以及轉(zhuǎn)換到其他色彩空間的取值，驗(yàn)證了色彩與血管清晰度無必然聯(lián)系。在此實(shí)驗(yàn)階段，通過人工標(biāo)注，準(zhǔn)備了一組帶有血管質(zhì)量金標(biāo)準(zhǔn)的數(shù)據(jù)集來驗(yàn)證實(shí)驗(yàn)結(jié)果的準(zhǔn)確性。進(jìn)一步嘗試了平均梯度A和邊緣強(qiáng)度E，經(jīng)回歸分析驗(yàn)證，這兩個(gè)特征參數(shù)與血管質(zhì)量評(píng)分呈現(xiàn)顯著的正相關(guān)性。但兩者的表現(xiàn)又存在細(xì)微的差異。于是采用加權(quán)平均的方式來表征血管質(zhì)量評(píng)分。發(fā)現(xiàn)當(dāng)圖片中的分區(qū)存在不包含血管或只包含極少量血管的分區(qū)時(shí)，評(píng)分會(huì)異常低，于是將這些區(qū)域剔除，并記錄其所占比例k。邊緣強(qiáng)度的計(jì)算：邊緣強(qiáng)度，實(shí)質(zhì)上是邊緣點(diǎn)梯度的幅值。定義數(shù)字圖像第i行第j列的x、y方向的一階差分為：(2-1)(2-2)對(duì)數(shù)字圖象的每個(gè)像素取它的梯度值：(2-3)以Th作為閾值進(jìn)行判斷，若G(i,j)>Th，則點(diǎn)(i,j)為邊緣點(diǎn)，G(i,j)則稱為梯度算

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-17-圖2-3血管質(zhì)量評(píng)估結(jié)果展示圖2.6本章小結(jié)本章介紹了在做圖像分割之前對(duì)眼底圖像所進(jìn)行的預(yù)處理過程。為了后續(xù)研究的順利進(jìn)行，我們有針對(duì)性的進(jìn)行了顏色通道選取，針對(duì)血管分割，我們采取了以綠色通道為主的灰度化方式。針對(duì)視盤分割，我們選取了以紅色通道為主的灰度化方式。而針對(duì)視杯分割，我們不做灰度化處理，因?yàn)樯适且暠钪饕男畔�，所以我們�(cè)谔卣飨蛄坷锉Ａ羲猩氏嚓P(guān)的信息。本章采用中值濾波算法對(duì)清晰度較低，噪聲較大的圖片進(jìn)行了濾波處理，在確保信息不失真的前提下，使圖片能滿足后續(xù)研究的需求。本章采用經(jīng)典的圖像處理算法，提出了一套基于眼底照針對(duì)血管質(zhì)量進(jìn)行自動(dòng)評(píng)估算法。該系統(tǒng)可有效對(duì)血管質(zhì)量進(jìn)行評(píng)估，且具有較快的運(yùn)算速度，可幫助在臨床中自動(dòng)篩除過濾掉血管質(zhì)量較低的眼底圖片，保留血管清晰的圖片為后續(xù)血管分割，視杯視盤分割等工作做好了充分準(zhǔn)備。


本文編號(hào)：3122611