论文部分内容阅读
社会的发展,人口的老龄化,改变了人们的生活和工作习惯,糖尿病已经成为威胁人类生命的主要疾病,和发展的低龄化趋势。由于糖尿病早期临床表现不明显,只能通过辅助检查来确诊,然而目前辅助检查存在许多弊端,容易造成诊断结果误差。经多年临床经验可知,眼底血管的动静脉半径比及半径变化与糖尿病的病程、严重程度及愈后情况密切相关。本文针对眼底血管病变检测研究问题,利用mathematic开发环境建立视网膜图像处理算法库,该算法库包含:视网膜图像预处理、视网膜图像分割、视网膜血管中心线提取及血管半径差值计算等部分。由于获取的视网膜图像存在噪声,需要对视网膜图像进行预处理。本文采用的图像预处理方法包括三个步骤:首先对视网膜图像进行绿色通道分量提取,提高视网膜图像的清晰度;然后进行高斯匹配滤波处理,去除视网膜图像中的噪声;最后对视网膜图像进行锐化处理,突出了图像的边缘信息。对视网膜图像进行预处理后,本文对图像进行了视网膜血管图像分割处理,本文设计了二维Gabor—Wavelet变换方法,通过像素的多少来表征血管的不同特征,设定特征参数来获取最理想的眼底血管分割图像。得到理想眼底血管分割图像后,本文利用Hessian矩阵和高斯函数相结合来确定血管中心线,然后以中心线上的点为圆心,在眼底血管图像内做内切圆,通过Imagej软件对视网膜眼底血管半径数值进行计算,找出内接圆半径,最终达到眼底血管病变检测的目的。本文以辽宁何氏眼科医院眼病筛查系统中受检者的视网膜图像为实验对象,通过对分割后的视网膜图像进行分析,并在血管中心线提取的基础上找到血管半径差值计算方法,并通过所得的数据验证眼底血管病变检测糖尿病的准确度。实验结果表明本文中阐述的图像分割技术、血管中心线提取技术及血管半径差值算法,不仅能使视网膜图像中主动脉和静脉清晰化,还能准确找到血管中心点,计算出半径差值,最终达到诊断糖尿病的目的。