论文部分内容阅读
目前,部分疾病如动静脉交叉压迫、棉絮斑都能从眼底图中找到依据,且眼底图由于拍摄简单,成本低廉,信息丰富而被广泛应用到疾病检测中。随着数字医疗的发展,如何利用前沿的图像处理,机器学习技术,对眼底图进行快速且高效的自动化病变检测,成为当今的一个重要课题。 近年来的工作往往有下述几种缺陷:1.针对某一个环节改进,缺乏对流程的一个整合;2.算法需要人工参与,属于半自动的形式;3.算法过于复杂致使运行耗时长;4.利用监督学习,导致算法泛化性较差,且不满足血管的树形结构。这些缺陷限制了算法在工业界的使用,对于临床诊断是难以接受的。 针对上述问题,本文在已有血管分割工作的基础上,提出无监督,全自动且高效快捷的检测算法。本文主要贡献如下:第一,视盘定位中,本文提出模糊收敛算法,通过滑动窗口投票完成视盘候选集的选取以及视盘定位工作。第二,动静脉分类中,本文根据视盘范围划分来分别处理,对视盘近端的血管进行横截面聚类完成标记,对视盘远端的血管通过拓扑排序完成标记。第三,疾病检测中,通过动静脉标记以及宽度变化信息,完成了动静脉交叉压迫识别以及动脉缩窄的检测。整个算法全自动运行,耗时短且泛化性高。最后,本文在DRIVE,STARE,同仁医院数据集上进行了大量的实验,从识别准确率等多个角度证明了算法的高效性。