視網(wǎng)膜眼底中蘊(yùn)含著豐富的人體生理信息,眼底血管網(wǎng)絡(luò)結(jié)構(gòu)分布的變化,視盤形狀大小深度的變化,血管動(dòng)靜脈管徑的變化等都在一定程度上反映出人體生理機(jī)能的改變乃至某些早期潛在的疾病病發(fā)風(fēng)險(xiǎn)。其中視盤形狀大小深度的變化與青光眼有密切關(guān)系,其視盤與視杯的面積比已被用于青光眼實(shí)際檢測(cè)中;眼底動(dòng)靜脈血管管徑的變化在一定程度上也反映出糖尿病、高血壓、動(dòng)脈硬化等心腦血管疾病病發(fā)的潛在風(fēng)險(xiǎn)。本文基于目前視網(wǎng)膜眼底圖像研究的熱點(diǎn)和難點(diǎn)問題,結(jié)合計(jì)算機(jī)輔助醫(yī)學(xué)診斷中的視網(wǎng)膜圖像的血管檢測(cè)和特征測(cè)量基本問題,運(yùn)用MATLAB在血管分割精度和速度上提出了一種基于廣義線性模型的快速監(jiān)督系統(tǒng)。結(jié)合視網(wǎng)膜視盤定位各種方法,提出了一種基于形態(tài)學(xué)和霍夫變換相結(jié)合的視盤定位算法,并基于視盤定位研究并實(shí)現(xiàn)了一種簡單可行的血管管徑測(cè)量算法。具體過程如下:首先,分別對(duì)視網(wǎng)膜眼底血管分割算法的非監(jiān)督算法和監(jiān)督學(xué)習(xí)算法兩方面;對(duì)視盤定位算法的基于視盤外觀特性方法、基于視網(wǎng)膜血管結(jié)構(gòu)方法、融合視盤外觀特性與血管結(jié)構(gòu)算法三方面;對(duì)血管管徑測(cè)量算法的基于血管灰度分布特性方法、基于血管中心線或邊緣檢測(cè)算法等三方面進(jìn)行了詳細(xì)的研究綜述,并總結(jié)各算... 

【文章來源】：華中師范大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．３眼底圖像??

２．１視網(wǎng)膜眼底圖像的采集??醫(yī)學(xué)上常常應(yīng)用醫(yī)療器具捕捉到的眼底圖片血管狀態(tài)來分析了解病人的身體??狀況，這是因?yàn)橐暰W(wǎng)膜眼底血管蘊(yùn)藏著巨大的身體生理信息。如圖２．１顯示，視網(wǎng)??膜眼底圖像主要包括眼底結(jié)構(gòu)和從視神經(jīng)中央輔射開來分布于整個(gè)眼底的視網(wǎng)膜??血管Ｉ７４】。??ｋ?響：：??圖２．１視網(wǎng)膜眼底結(jié)構(gòu)圖??正常的視網(wǎng)膜眼底結(jié)構(gòu)大致包括中心有一微小凹陷的被稱之為中央凹的呈暗??褐色的黃斑；由視神經(jīng)纖維向后匯集而成的視盤ＯＤ（Ｏｐｔｉｃ?Ｄｉｓｃ）（又稱視神經(jīng)乳頭）；??以及由視網(wǎng)膜動(dòng)靜脈組成的遍布整個(gè)眼底的視網(wǎng)膜血管系統(tǒng)［７５］（動(dòng)脈較靜脈稍細(xì)，??管徑之比大致為２：３，動(dòng)脈呈現(xiàn)亮紅色，靜脈呈現(xiàn)暗紅色）。視盤ＯＤ（Ｏｐｔｉｃ?Ｄｉｓｃ），??正常情況下是趨于圓形的，它位于眼底圖像中最亮顏色卻最淡的位置；它是視神經(jīng)??和視網(wǎng)膜血管系統(tǒng)進(jìn)入視網(wǎng)膜的起始區(qū)域，視網(wǎng)膜血管系統(tǒng)并由粗到細(xì)呈樹枝狀從??視盤逐漸向外散發(fā)開來；黃斑，大致位于視網(wǎng)膜的中心，沒有血管分布，顏色亮度??較低，趨于圓形，是人類眼底圖像中對(duì)光最敏感的部分１７５＼??參??１?§?沒??????＾＂丨’＂■■丨丨丨??圖２．２眼科醫(yī)療光學(xué)儀器??醫(yī)學(xué)上通常用來進(jìn)行視網(wǎng)膜眼底圖片采集的方式有多種，目前常用的彩色相機(jī)??技術(shù)或通過血管造影儀運(yùn)用熒光素作為示蹤劑來獲�。ㄉ⑼保矗荨２噬鄣渍障鄼C(jī)??就是這樣一種如圖２．２所示的用來拍攝眼底圖像的醫(yī)療儀器目前市面上主要以??對(duì)眼睛進(jìn)行散瞳和不散瞳兩種；但是血管造影儀運(yùn)用的熒光素存在對(duì)視網(wǎng)膜有所損??２２??

ｙ?ＭＡＳＴＥＲ?Ｓ?ＴＨＥＳＩＳ??傷的風(fēng)險(xiǎn)，多數(shù)情況下不加以使用，因此市面上流行的多是免散瞳的眼底照相機(jī)。??如圖２．３（ａ）（ｂ）所示，分別為眼底血管造影儀和免散瞳眼底照相機(jī)所采集的眼底圖片。??（ａ）眼底血管造影儀?（ｂ）免散瞳眼底照相機(jī)??圖２．３兩種方式采集的眼底圖片??２．２視網(wǎng)膜眼底圖像標(biāo)準(zhǔn)數(shù)據(jù)庫??２．２．１?ＤＲＩＶＥ?數(shù)據(jù)庫??ＤＲＩＶＥ【９５］?（Ｄｉｇｉｔａｌ?Ｒｅｔｉｎａｌ?Ｉｍａｇｅｓ?ｆｏｒ?Ｖｅｓｓｅｌ?Ｅｘｔｒａｃｔｉｏｎ?）目艮底圖像數(shù)據(jù)庫是由?４０??張眼底圖像組成的分為訓(xùn)練集和測(cè)試集兩組的視網(wǎng)膜標(biāo)推數(shù)據(jù)庫之一。圖像以４５°??視場(chǎng)（Ｒ）Ｖ）的Ｃａｎｏｎ?ＣＲ５非散瞳３ＣＣＤ相機(jī)以數(shù)字形式拍攝；尺寸為７６８Ｘ５８４??像素，每個(gè)顏色通道有８?ｂｉｔ，并具有管徑約為５４０像素的ＦＯＶ區(qū)域。ＤＲＩＶＥ數(shù)據(jù)??庫的４０張眼底圖像，包含對(duì)應(yīng)手動(dòng)血管分割圖庫，分成訓(xùn)練集和測(cè)試集兩組，每個(gè)??集合中各包含２０幅圖像，其中含有７幅包括出血、滲出、色素上皮細(xì)胞變化等病??變圖像（訓(xùn)練集中包含了三幅病變圖像），此外每張圖片還有對(duì)應(yīng)裁剪的掩膜圖像。??測(cè)試集是由三名茌專業(yè)眼科醫(yī)生指導(dǎo)訓(xùn)練下的觀察員手動(dòng)切割完成。訓(xùn)練集中的圖??像只被切割一次，而測(cè)試集中的圖像被分割兩次，產(chǎn)生集合Ａ和Ｂ。集合Ａ和Ｂ的??觀察者的血管分割相似度很高：在集合Ａ中，標(biāo)記為血管的像素點(diǎn)占１２．７％，相對(duì)??應(yīng)的集合Ｂ血管比例占１２．３％。性能測(cè)量一般都是以測(cè)試集集合Ａ為標(biāo)準(zhǔn)進(jìn)行分??析，Ｂ組常常作為Ａ組的人工觀察者分割的參考做性能測(cè)試比較。圖像采用壓縮的??ＪＰＥＧ格式

【參考文獻(xiàn)】：
期刊論文
[1]基于置信度計(jì)算的快速眼底圖像視盤定位[J]. 吳慧,陳再良,歐陽平波,陳昌龍,鄒北驥.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(06)
[2]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)
[3]彩色眼底圖像視網(wǎng)膜血管分割方法研究進(jìn)展[J]. 朱承璋,鄒北驥,向遙,嚴(yán)權(quán)峰,梁毅雄,崔錦愷,劉晴.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(11)
[4]一種自動(dòng)測(cè)量眼底圖像中動(dòng)靜脈寬度比的方法[J]. 郭瑩,劉振宇,齊嘉駿.  信息與控制. 2015(05)
[5]彩色眼底圖像視盤自動(dòng)定位與分割[J]. 鄒北驥,張思劍,朱承璋.  光學(xué)精密工程. 2015(04)
[6]基于分類回歸樹和AdaBoost的眼底圖像視網(wǎng)膜血管分割[J]. 朱承璋,向遙,鄒北驥,高旭,梁毅雄,畢佳.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(03)
[7]基于中心線提取的視網(wǎng)膜血管分割[J]. 周琳,沈建新,廖文和,王玉亮.  生物醫(yī)學(xué)工程學(xué)雜志. 2012(01)
[8]基于改進(jìn)小波邊緣檢測(cè)算法的視網(wǎng)膜血管寬度測(cè)量[J]. 崔棟,劉敏敏,張光玉.  中國組織工程研究與臨床康復(fù). 2010(39)
[9]Automated retinal blood vessels segmentation based on simplified PCNN and fast 2D-Otsu algorithm[J]. 姚暢,陳后金.  Journal of Central South University of Technology. 2009(04)
[10]免散瞳眼底照相機(jī)的精密調(diào)焦[J]. 張運(yùn)海,趙改娜,張中華,顧一鳴.  光學(xué)精密工程. 2009(05)



本文編號(hào)：3023840