【摘要】：許多疾病都與視網(wǎng)膜血管形態(tài)結(jié)構(gòu)的改變密切相關(guān),如糖尿病、高血壓、心血管等常見的疾病,其中糖尿病視網(wǎng)膜血管病變占據(jù)的比例最大。傳統(tǒng)的人工對(duì)視網(wǎng)膜血管圖像的檢測(cè),工作量很大且耗費(fèi)時(shí)間過長,雖然醫(yī)生能夠以較高的精度對(duì)視網(wǎng)膜血管圖像進(jìn)行分割,但是花費(fèi)過多精力會(huì)導(dǎo)致醫(yī)生工作負(fù)擔(dān)加重。隨著數(shù)字圖像處理技術(shù)在醫(yī)學(xué)圖像領(lǐng)域廣泛使用,在計(jì)算機(jī)系統(tǒng)上實(shí)現(xiàn)對(duì)視網(wǎng)膜血管的自動(dòng)分割已經(jīng)成為一種趨勢(shì)。目前,在視網(wǎng)膜血管提取等方面,研究者們已經(jīng)提出了很多算法,并取得了一定的成果,但是對(duì)視網(wǎng)膜自身結(jié)構(gòu)以及病灶組織的影響方面有待進(jìn)一步提高。本文針對(duì)視網(wǎng)膜血管圖像增強(qiáng)和分割技術(shù)方面進(jìn)行了深入的研究。論文主要工作如下:在視網(wǎng)膜圖像增強(qiáng)方面,本文提出Gabor變換與高低帽變換相結(jié)合的方法,Gabor具有頻率選擇和方向選擇的特性,還可以通過設(shè)置高頻子帶系數(shù)的閾值而抑制噪聲,而高低帽變換對(duì)視盤和病變區(qū)域都進(jìn)行了處理,抑制了高亮區(qū)域以及暗區(qū)域的影響,本文結(jié)合二者的優(yōu)點(diǎn),首先對(duì)視網(wǎng)膜血管圖像進(jìn)行Gabor變換,在得到的低頻圖像中采用高低帽變換進(jìn)行處理,在高頻圖像中采用閾值分析的方法,最后進(jìn)行重構(gòu),最終得到的增強(qiáng)后的圖像中血管與背景的對(duì)比度明顯提高,并能夠突出細(xì)小血管的特征,同時(shí)與常見的增強(qiáng)方法做實(shí)驗(yàn)對(duì)比,實(shí)驗(yàn)表明本文的增強(qiáng)方法可以有效的提高血管與背景的對(duì)比度。在視網(wǎng)膜血管圖像分割方面,本文提出了結(jié)合多尺度線性檢測(cè)與改進(jìn)的二維最大熵閾值的閾值分割方法。多尺度線性檢測(cè)無法正確分割視盤以及病變組織區(qū)域的血管。本文提出的Gabor變換與高低帽變換相結(jié)合的視網(wǎng)膜圖像增強(qiáng)算法很好解決了這一問題;多尺度線性檢測(cè)算法需要不斷調(diào)整閾值參數(shù)得到閾值,本文采用花授粉算法對(duì)二維最大熵閾值算法進(jìn)行優(yōu)化,實(shí)現(xiàn)自動(dòng)選取最優(yōu)閾值,該算法結(jié)構(gòu)簡單并易于實(shí)現(xiàn),具有較高的尋優(yōu)精度。最后依據(jù)得到的最優(yōu)閾值分割視網(wǎng)膜血管圖像。實(shí)驗(yàn)表明本文的分割方法具備分割出更多細(xì)小血管的優(yōu)點(diǎn)。本文在MATLAB平臺(tái)上選用DRIVE數(shù)據(jù)庫中的糖尿病視網(wǎng)膜血管圖像進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果與專家手動(dòng)分割結(jié)果以及幾種典型分割算法的結(jié)果進(jìn)行對(duì)比,得出結(jié)論,本文提出的分割方法解決了視盤及病變區(qū)域被誤分割的問題,同時(shí)能夠分割出更多的細(xì)小血管,最后通過客觀評(píng)價(jià)數(shù)據(jù)進(jìn)一步證明了本文算法的有效性。
【學(xué)位授予單位】：長春工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;R587.2;R774.1
【圖文】：

或破裂的問題，人眼是具有非常豐富的微管分布的器官。導(dǎo)致血管功能結(jié)構(gòu)異常，網(wǎng)膜微細(xì)血管受到的損傷，從而引發(fā)視網(wǎng)膜病變，所以無論哪種糖尿病都有可能對(duì)網(wǎng)膜血管產(chǎn)生或大或小的損傷。據(jù)統(tǒng)計(jì)，糖尿病患者在全球范圍內(nèi)人數(shù)不下 4 億，人數(shù)呈不斷遞增趨勢(shì)，據(jù)統(tǒng)計(jì)，到 2045 年在全球范圍內(nèi)將有 6.29 億人數(shù)的糖尿病者[4]。據(jù)調(diào)查，糖尿病患者的失明風(fēng)險(xiǎn)是其他失明因素的 4 倍，調(diào)查顯示，Ⅰ型糖病患者發(fā)病 10 年以上卻一直不注意自己的血糖控制，大約 80%的的患者產(chǎn)生糖尿視網(wǎng)膜病變（DiabeticRetinopathy，DR），已被診斷超過 15 年，超過一半的Ⅱ型糖病患者會(huì)發(fā)生視網(wǎng)膜病變，被診斷超過 15 年以上發(fā)病率在 70%左右，而這種病變生的失明是不可逆轉(zhuǎn)的。由于糖尿病視網(wǎng)膜病變的早期臨床癥狀不明顯，患者往往視這些癥狀，并在晚期，糖尿病患者都會(huì)產(chǎn)生嚴(yán)重的視力損傷[5]，因此，及時(shí)進(jìn)行網(wǎng)膜檢測(cè)，提取糖尿病視網(wǎng)膜圖像中的血管，獲取治療的最佳時(shí)期，防止惡性發(fā)展降低致盲幾率，對(duì)于臨床醫(yī)學(xué)而言具有極大的意義。如圖 1.1 所示，給出了正常的網(wǎng)膜圖像和患病的視網(wǎng)膜圖像的對(duì)比圖，在病變視網(wǎng)膜圖像（b）中，可以看到許病變區(qū)域，呈黃色的是滲出；血管彎曲程度比正常血管大且管徑小的血管屬于增生

第 2 章 視網(wǎng)膜血管圖像研究基礎(chǔ)工作第 2 章 視網(wǎng)膜血管圖像研究基礎(chǔ)工作2.1 眼底視網(wǎng)膜結(jié)構(gòu)人眼由三層薄膜夾層組成，視網(wǎng)膜居于最內(nèi)側(cè)，由色素上皮層和感覺層組成。網(wǎng)膜的色素上皮層與脈絡(luò)膜緊密連接，由支持感光細(xì)胞、遮光、散熱及再生的色素皮細(xì)胞組成。感覺層的結(jié)構(gòu)相對(duì)復(fù)雜，主要包含兩個(gè)重要的感光細(xì)胞，它們是神經(jīng)皮細(xì)胞，接受和轉(zhuǎn)變光刺激：視錐細(xì)胞，主要集中在黃斑區(qū)，形成中心視覺。桿細(xì)胞分布在黃斑區(qū)域以外的視網(wǎng)膜中。在視網(wǎng)膜感覺層中，還存在神經(jīng)節(jié)細(xì)胞、感光細(xì)和神經(jīng)節(jié)細(xì)胞的雙極細(xì)胞傳導(dǎo)神經(jīng)沖動(dòng)。具體結(jié)構(gòu)如圖 2.1 所示：

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 陳萌夢(mèng);熊興良;李廣;張婷婷;;眼底圖像增強(qiáng)及評(píng)價(jià)[J];生物醫(yī)學(xué)工程學(xué)雜志;2014年05期

2 廖苗;鄭少偉;趙于前;;一種新的視網(wǎng)膜血管圖像增強(qiáng)方法[J];光電子.激光;2012年11期

3 周琳;沈建新;廖文和;王玉亮;;基于中心線提取的視網(wǎng)膜血管分割[J];生物醫(yī)學(xué)工程學(xué)雜志;2012年01期

4 劉金帥;賴惠成;賈振紅;;基于YCbCr顏色空間和Fisher判別分析的棉花圖像分割研究[J];作物學(xué)報(bào);2011年07期

5 湯敏;王惠南;;彩色視網(wǎng)膜血管圖像的自動(dòng)分割算法[J];儀器儀表學(xué)報(bào);2007年07期

6 許迅;糖尿病性視網(wǎng)膜病變新的國際臨床分型[J];上海醫(yī)學(xué);2005年01期

本文編號(hào)：2714389