研究目的
通过分析OCT-GCL和VF图像,计算健康、病变及坏死区域百分比,开发青光眼自动检测与治疗监测系统以实现早期诊断。
研究成果
该系统能有效分割和表征OCT-GCL与VF图像以实现青光眼早期检测,其结果已获眼科医生验证。该系统有助于实现可靠诊断与监测,但建议通过自动化方法和更大规模数据集进一步优化,以扩大应用范围。
研究不足
该数据库为本地小型数据库(58张OCT图像和21张VF图像),可能影响结果的普适性。分割算法采用固定阈值,可能无法适应所有图像变化。未来工作可考虑使用更大规模的数据库,并通过机器学习提升自动化水平和准确性。
1:实验设计与方法选择:
该方法包括预处理(感兴趣区域提取、降噪)、通过阈值法和形态学算子进行分割、通过计算区域百分比进行特征描述,以及基于专家验证阈值进行分类。
2:样本选择与数据来源:
使用特定设备获取的本地数据库,包含58张OCT-GCL图像(28张正常,30张异常)和21张视野图像(15张青光眼,6张健康)。
3:实验设备与材料清单:
Optovue公司的OCT设备、OPTOPOL公司PTS 1000型视野设备,图像为JPG格式。
4:实验步骤与操作流程:
步骤包括手动减少感兴趣区域、通过阈值法消除盲目任务、中值滤波、根据颜色或灰度级别分割区域、计算百分比,以及使用if-then-else逻辑进行分类。
5:数据分析方法:
通过像素总和计算面积百分比,并与固定阈值比较进行分类。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容