本文選題：視網(wǎng)膜圖像分析　切入點(diǎn)：血管分割　出處：《光學(xué)精密工程》2017年05期 　論文類型：期刊論文

【摘要】：為了給視網(wǎng)膜圖像配準(zhǔn)、光照校正及視網(wǎng)膜內(nèi)部病理學(xué)檢測(cè)等問題提供有效依據(jù),本文提出一種有效檢測(cè)及識(shí)別彩色視網(wǎng)膜眼底圖像血管的全自動(dòng)方法。針對(duì)視網(wǎng)膜可見血管呈長(zhǎng)條型管狀、局部具有較好直線型結(jié)構(gòu)的形態(tài)特點(diǎn),本文采取適用于條狀結(jié)構(gòu)的組合移位濾波響應(yīng)模型進(jìn)行特征提取。針對(duì)血管和血管末端特征的不同,分別配置對(duì)稱和非對(duì)稱的兩種濾波模型進(jìn)行跟蹤,利用組合移位濾波模型(對(duì)稱和非對(duì)稱)獲取到的響應(yīng)及G通道像素灰度值共同構(gòu)建特征向量庫,采用AdaBoost分類器對(duì)各個(gè)像素點(diǎn)進(jìn)行分類判定�；趪�(guó)際公共數(shù)據(jù)庫DRIVE與STARE的實(shí)驗(yàn)結(jié)果表明,該方法針對(duì)兩個(gè)標(biāo)準(zhǔn)數(shù)據(jù)庫的分割結(jié)果(DRIVE:Accuracy=0.948 9,Sensitivity=0.765 7,Specificity=0.980 9;STARE:Accuracy=0.956 7,Sensitivity=0.771 7,Specificity=0.976 6)均優(yōu)于已有方法,適用于彩色視網(wǎng)膜眼底圖像的計(jì)算機(jī)輔助定量分析,可作為臨床借鑒。
[Abstract]:In order to retinal image registration, illumination correction and retinal pathology detection problem to provide an effective basis in this paper, an effective method of automatic detection and recognition of color retinal fundus images of blood vessels. Blood vessels were visible to retinal long tubular, with local characteristics better linear structure, this paper adopts the combination for strip the structure of shift filter response model for feature extraction. According to the different characteristics of vascular and vascular end, two kinds of filter model are respectively configured for symmetric and asymmetric shift tracking filter model using a combination of (symmetric and asymmetric) construct feature vector library gray scale response and G channel access to the pixel values, using AdaBoost classifier the classification of each pixel is determined. The DRIVE and STARE international public databases based on the experimental results, the method for two standard Quasi database segmentation results (DRIVE:Accuracy=0.948 9, Sensitivity=0.765 7, Specificity=0.980 9; STARE:Accuracy=0.956 7, Sensitivity=0.771 7, Specificity=0.976 6) were better than the existing methods, computer aided quantitative for color fundus image analysis, can be used as a clinical reference.

【作者單位】： 吉林大學(xué)通信工程學(xué)院;長(zhǎng)春師范大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;阿薩巴斯卡大學(xué)計(jì)算與信息系統(tǒng)學(xué)院;
【基金】：國(guó)家留學(xué)基金委地方合作項(xiàng)目(No.留金法[2013]5045號(hào)) 吉林省教育廳“十三五”科學(xué)技術(shù)研究項(xiàng)目(No.吉教科合字[2016]第001號(hào)) 長(zhǎng)春師范大學(xué)自然科學(xué)基金資助項(xiàng)目(No.長(zhǎng)師大自科合字[2015]第005號(hào))
【分類號(hào)】：R770.4;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前7條

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

2 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

3 陳萌夢(mèng);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

4 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

5 周浩,李云崗,周韻秋,施鵬飛,蔡季平,王志英;真彩眼底圖像分析系統(tǒng)軟件1.0版的研制[J];第二軍醫(yī)大學(xué)學(xué)報(bào);1997年04期

6 曾碧新;謝忠好;;眼底圖像形態(tài)參數(shù)測(cè)定[J];眼視光學(xué)雜志;2006年03期

7 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 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(cè)論文集[C];2013年

相關(guān)碩士學(xué)位論文 前8條

1 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

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

3 杜雨峰;基于眼底圖像的糖尿病視網(wǎng)膜病變檢測(cè)系統(tǒng)研究[D];華僑大學(xué);2016年

4 段彥華;眼底圖像中視杯分割和硬性滲出物檢測(cè)算法研究[D];北京工業(yè)大學(xué);2016年

5 張晟鈺;基于尺度空間分析的眼底圖像血管魯棒檢測(cè)[D];湘潭大學(xué);2016年

6 王穎;視網(wǎng)膜眼底圖像的快速魯棒視盤定位方法研究[D];湘潭大學(xué);2016年

7 龔海明;基于水平集方法和CGLI模型的眼底圖像血管分割[D];福建師范大學(xué);2016年

8 楊美美;基于專家知識(shí)的白內(nèi)障影像等級(jí)自動(dòng)分類系統(tǒng)研究[D];北京郵電大學(xué);2014年

，

本文編號(hào)：1646562