糖尿病視網(wǎng)膜病變(DR)是糖尿病一種極為常見的并發(fā)癥,目前已經(jīng)成為我國(guó)導(dǎo)致失明的重要疾病之一,而及時(shí)的診斷和治療可以有效的避免其對(duì)視力的危害。但是由于醫(yī)療資源的相對(duì)緊缺,DR的篩查預(yù)防工作變得極為困難,從而使得大量的DR患者錯(cuò)過了治療的最佳時(shí)間,最終導(dǎo)致視力受損甚至失明。為此利用數(shù)字圖像處理及圖像分類等方法,實(shí)現(xiàn)糖尿病視網(wǎng)膜病變的自動(dòng)診斷,對(duì)于實(shí)現(xiàn)大規(guī)模眼底普查具有十分重要的意義。論文主要針對(duì)眼底圖像分割和糖尿病視網(wǎng)膜病變的分期診斷進(jìn)行了研究,基于圖像處理及圖像分類算法,提出了一種基于圖像處理的糖尿病視網(wǎng)膜病變分期輔助診斷算法。具體內(nèi)容和創(chuàng)新結(jié)果如下:(1)為去除血管網(wǎng)對(duì)于病變提取的干擾,提出了一種基于數(shù)字形態(tài)學(xué)方法的血管網(wǎng)分割算法。首先通過底帽變換得到血管網(wǎng)粗分割結(jié)果,之后基于形態(tài)學(xué)重建理論完成了血管網(wǎng)的精分割。(2)為去除視盤對(duì)于病變提取的干擾,提出了一種基于滑動(dòng)窗口的快速的視盤定位方法,能夠在較短時(shí)間內(nèi)完成視盤的定位工作。(3)為實(shí)現(xiàn)硬性滲出物的分割提取,從滲出物特征出發(fā),提出了一種基于圖像融合的硬性滲出物的分割算法。與同領(lǐng)域其他算法相比,本文算法具有特異性和準(zhǔn)確率高、耗時(shí)短的特點(diǎn)。(4)為實(shí)現(xiàn)糖尿病視網(wǎng)膜病變的分期診斷,提出了一種基于支持向量機(jī)(SVM)的糖尿病視網(wǎng)膜病變分期輔助診斷算法,從糖尿病視網(wǎng)膜病變的病理特征出發(fā)提取特征向量,對(duì)分類器進(jìn)行訓(xùn)練與測(cè)試,測(cè)試集結(jié)果表明該模型對(duì)于單純型糖尿病視網(wǎng)膜病前中期診斷效果良好。
【學(xué)位單位】：華北水利水電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R587.2;R774.1;TP391.41
【部分圖文】：

1.2 糖尿病視網(wǎng)膜病變1.2.1 眼底結(jié)構(gòu)眼底又被稱為視網(wǎng)膜，是人眼中重要的感光部位。在眼底圖像上可見的眼底結(jié)構(gòu)有血管、視盤以及中央凹，如圖 1-1。視盤（Optic Disc）：視盤區(qū)域沒有感光細(xì)胞，在眼底圖像中呈現(xiàn)為高亮的圓形區(qū)域，眼底血管在視盤區(qū)域匯集；血管網(wǎng)（Vessel）：眼底血管是人體中唯一一處可以直接可見的血管，在眼底圖像中呈對(duì)稱發(fā)散分布，并匯集在視盤區(qū)域，血管網(wǎng)可以為各種眼科疾病的診斷提供輔助信息；中央凹（Fovea）：眼底圖像中央存在一個(gè)亮度較低的圓形區(qū)域被稱作為黃斑區(qū)，中央凹為眼底圖像中黃斑區(qū)區(qū)域的凹陷中心。這一區(qū)域充滿大量的視錐細(xì)胞，對(duì)于病變十分敏感，如果病變出現(xiàn)在這一區(qū)域，將造成嚴(yán)重的視力障礙。

逐步造成更高程度的、不可逆的視力障礙、視野缺損甚至失明。早期的的糖尿病視網(wǎng)膜病變患者出現(xiàn)的病變特征有：微血管瘤、硬性滲出、出血、棉絮斑等病變，如圖 1-。（1）微血管瘤：微血管瘤是糖尿病視網(wǎng)膜病變最早期的特征，以暗紅色圓狀呈現(xiàn)在眼底圖像中，并且數(shù)量隨著病情的加重不斷增長(zhǎng)。（2）出血：出血出現(xiàn)在糖尿病視網(wǎng)膜病變?cè)缙陔A段，在眼底圖像上呈現(xiàn)為暗紅色不規(guī)則片狀區(qū)域，隨著病情階段的發(fā)展，出血數(shù)量與面積都會(huì)增加。（3）硬性滲出：隨著出血情況的發(fā)展，受損血管中開始向組織液滲出脂肪、蛋白質(zhì)等物質(zhì)，這些物質(zhì)的堆積被稱為硬性滲出。在眼底圖像中呈現(xiàn)為邊界可見的黃白色區(qū)域，并且隨著病情階段的發(fā)展，這些區(qū)域面積、數(shù)量同步增加，同時(shí)滲出物區(qū)域相互融合成片，形成大面積的硬性滲出物堆積。（4）棉絮斑：棉絮斑出現(xiàn)在糖尿病視網(wǎng)膜病變單純期的中后階段，實(shí)質(zhì)是神經(jīng)纖維發(fā)生了堵塞或者細(xì)胞內(nèi)發(fā)生了水腫，在眼底圖像中呈現(xiàn)為白色的邊界不清晰的片狀區(qū)域，在醫(yī)學(xué)上也被成為軟性滲出。

圖 1-3 本文研究框架Fig 1-3 Research framework1.4.2 論文結(jié)構(gòu)安排本文由 6 個(gè)章節(jié)構(gòu)成，各章節(jié)結(jié)構(gòu)設(shè)置如下：第一章：緒論。介紹了論文的研究背景及意義，簡(jiǎn)述了 DR 病變的病理基礎(chǔ)，討論了論文研究過程中需要解決的難點(diǎn)，總結(jié)了論文的研究?jī)?nèi)容。第二章：眼底圖像相關(guān)處理技術(shù)。主要介紹眼底圖像處理中遇到的難點(diǎn)和問題，以及眼底圖像處理過程中需要用到的預(yù)處理方法和圖像增強(qiáng)技術(shù)，最后對(duì)應(yīng)用在眼底圖像中的分割技術(shù)進(jìn)行了歸類整理。第三章：血管與視盤的分割。主要提出了有效的視盤和血管分割算法，對(duì)眼底圖像中血管與視盤進(jìn)行了分割提取。第四章：硬性滲出物檢測(cè)。從滲出物的特征出發(fā)，結(jié)合前面章節(jié)中視盤和血管的分割，考慮亮度、邊緣強(qiáng)度等特征，基于閾值分割、圖像融合等技術(shù)提出一
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 黃奇瑞;;基于FCM和SVM的TM遙感影像自動(dòng)分類算法[J];華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年04期

2 劉建華;王建偉;;基于圖像處理的CT圖像肝癌診斷技術(shù)研究[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年07期

3 陳潔;李其斌;杜亨;王旭;;數(shù)學(xué)形態(tài)學(xué)在圖像分割中的應(yīng)用研究[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年19期

4 趙曉芳;林土勝;李碧;;視網(wǎng)膜圖像中視盤的快速自動(dòng)定位方法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

5 張濤;段淑敏;;支持向量機(jī)在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報(bào);2007年03期

6 王陳飛;肖詩斌;;基于SVM的圖像分類研究[J];計(jì)算機(jī)與數(shù)字工程;2006年08期

本文編號(hào)：2862741