- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于图搜索元启发式方法的视网膜动脉/静脉自动分离技术
摘要： 将血管树分离为动脉和静脉是自动诊断与全身性疾病及神经退行性疾病相关视网膜生物标志物的基本前提。本文提出一种新颖的图搜索元启发式方法，用于从彩色眼底图像中自动分离动脉/静脉（A/V）。该方法利用局部信息将复杂的血管树分解为多个子树，并通过全局信息将这些血管子树标记为动脉和静脉。给定二值化血管图后，构建表征血管结构拓扑与空间连通性的血管网络图表示?；谘芙徊娴愫头种У愕慕馄恃卣?，将血管树分割为包含动脉和静脉的多个子树。最终，通过随机森林分类器训练的一组手工设计特征对已识别的血管子树进行A/V标记。本方法在四个公开视网膜数据集上测试，AV-DRIVE、CT-DRIVE、INSPIRE-AVR和WIDE数据集的平均准确率分别为94.7%、93.2%、96.8%和90.2%。这些结果证明本方法在A/V分离任务上优于现有最先进技术。
关键词： 图搜索，血管关键点，动脉/静脉分类，视网膜图像
更新于2025-09-23 15:23:52
-
[2018年IEEE第六届信息、电子与电气工程进展研讨会（AIEEE）- 立陶宛维尔纽斯（2018.11.8-2018.11.10）] 2018年IEEE第六届信息、电子与电气工程进展研讨会（AIEEE）- 基于深度神经网络的视网膜图像配准特征描述符
摘要： 特征描述是图像配准流程中的关键步骤。特征描述符的判别能力直接影响特征匹配性能和整体配准效果?；谏疃壬窬纾―NN）的特征描述符已成为图像配准任务的新趋势，其表现通常与人工设计描述符相当甚至更优。但目前尚无专门针对人眼视网膜图像配准训练的局部特征描述符。本文提出一种基于DNN、在视网膜图像块上训练的特征描述符，并将其与经典人工设计描述符进行对比。我们从九个在线眼底图像数据集汇编了图像块训练数据集，通过视网膜图像配准数据集（FIRE）评估该学习型描述符与其他描述符的性能，以特征描述后正确匹配真实点数量（Rank-1指标）作为衡量标准，比较了不同特征描述符在视网膜图像特征匹配中的应用效果。
关键词： 人工神经网络、生物医学成像、机器学习、图像配准、视网膜图像、特征描述符
更新于2025-09-23 15:22:29
-
[IEEE 2018年国际无线通信、信号处理与网络会议(WiSPNET) - 金奈(2018.3.22-2018.3.24)] 2018年国际无线通信、信号处理与网络会议(WiSPNET) - 视网膜图像中渗出物的自动分割
摘要： 本文提出了一种视网膜图像渗出物分割的新技术。该技术基于离散小波变换（DWT）和基于直方图的阈值处理方法。本研究中，在渗出物分割前，首先利用DWT从原始绿色分量图像中消除视盘（OD）。这一步骤有助于避免渗出物区域的误分类。研究引入了基于直方图的阈值计算方法，用于分割绿色分量图像中的明亮区域。在绿色分量图像分割出的明亮区域中屏蔽视盘区域后，即可获得硬性渗出物。该技术在DIARETDB0和DIARETDB1数据库的图像上进行了评估，所提方法的平均灵敏度、特异性和准确率分别达到0.7890、0.9972和0.9964。与现有文献方法的对比表明，本方法的性能具有显著优势。
关键词： 视盘、视网膜图像、分割、渗出物、离散小波变换
更新于2025-09-23 15:22:29
-
基于边缘的视网膜图像增强技术：一种高效的JPEG压缩域方法
摘要： 随着医学领域大量运用成像技术进行疾病诊断与治疗，产生了海量的医疗影像数据，这给存储、传输和处理带来了更大挑战。高分辨率的医疗影像会占用大量存储空间，因此需要进行压缩以提高存储和传输效率。虽然压缩技术在某种程度上解决了存储和传输问题，但处理压缩图像仍然是个难题——因为常规的压缩医疗图像处理方式需要通过解压和再压缩操作，这会消耗大量计算资源。若能直接在压缩格式下处理和分析压缩医疗图像，而无需进行解压和再压缩这类高成本操作，将具有创新性。本文研究展示了一种基于边缘增强的视网膜图像处理新技术（从疾病诊断角度看这是非常关键的操作），该技术直接在JPEG压缩域中实现。我们使用公开的DRIVE和DIARETDB1视网膜数据集验证了所开发算法的性能，并从增强质量和计算时间两方面，将其与未压缩（空间）域中的先进技术进行了对比。
关键词： 压缩域、边缘增强、离散余弦变换（DCT）、JPEG压缩域、视网膜图像
更新于2025-09-23 15:22:29
-
从灵活的统计混合模型推导概率支持向量机核函数及其在视网膜图像分类中的应用
摘要： 本文旨在提出一种稳健的混合概率学习方法，该方法通过合理结合生成模型与判别模型的优势，解决视网膜图像中糖尿病视网膜病变分类这一具有挑战性的问题。我们基于信息散度和Fisher得分，从缩放狄利克雷分布混合模型出发，构建了支持向量机（SVM）的新型概率核函数。研究还探讨了将最小描述长度准则融入学习模型，以处理确定合适成分及选择最佳数据描述模型等常见问题。本文提出的混合模型作为一种有效的SVM核函数，能够整合与当前问题相关数据的先验知识，从而实现优异的数据判别能力。实践证明，相比其他方法，本方案能更好描述数据集内在特性，在各类数据分类应用中具有重要价值。我们通过眼图像糖尿病视网膜病变检测问题，验证了该框架的灵活性与优势。
关键词： 视网膜图像、支持向量机、概率核、最小描述长度、缩放狄利克雷混合模型、生成-判别学习
更新于2025-09-23 15:22:29
-
基于线算子和水平集的视网膜图像中视盘自动定位与分割
摘要： 背景：现有方法可能因视网膜图像中视盘（OD）边界模糊、图像对比度不一致及边缘特征具有欺骗性而无法准确定位和分割视盘。 目的：精准定位视盘并检测其边界。 方法：该检测过程采用多阶段策略。首先基于高强度特征和血管汇聚特性识别视盘候选区域；其次设计用于圆形亮度特征检测的线算子滤波器，在候选区域中精确定位视盘；随后通过迭代阈值处理和基于检测位置的椭圆拟合获取初始轮廓；最后结合基于区域的变分水平集主动轮廓模型与椭圆拟合来估算视盘边界。 结果：该方法在视盘识别上达到98.67%的准确率，检测视盘边界时最近点平均距离为2像素。 结论：结果表明该方法能有效实现视盘的快速、自动且精准定位与边界检测。本研究极大促进了视盘更有效的评估，并推动早期眼病自动筛查系统的发展。
关键词： 视盘分割、水平集方法、视网膜图像、视盘定位
更新于2025-09-23 15:22:29
-
利用形态学均值漂移算法检测视网膜图像中的渗出物
摘要： 渗出物是导致糖尿病视网膜病变（DR）患者失明的严重并发症。本研究旨在利用形态学均值漂移算法（MMSA）开发一种检测彩色眼底图像中渗出物病灶的新方法。该方法首先对眼底图像进行归一化处理、对比度增强、噪声去除和视盘定位，随后通过均值漂移的粗分割方法获取渗出物与非渗出物候选区域，最后采用数学形态学算法（MMA）流程进行分类以保留仅渗出物像素。MMA最优参数值可使单纯MSA方法的准确率提升13.10%?；谟虢鸨曜纪枷竦亩员龋痉椒觳馍鑫锏钠骄槊舳?、特异性和准确率分别达到98.40%、98.13%和98.35%。
关键词： 视网膜图像、数学形态学、均值漂移算法、糖尿病视网膜病变、渗出物
更新于2025-09-22 21:56:49
-
基于自动光流的自适应光学扫描激光检眼镜配准方法
摘要： 本研究提出了一种基于光流的自适应光学扫描激光眼底镜自动配准方法。该方法旨在对图像进行对齐和平均处理，以获得更高信噪比的图像。采用具有较大配准自由度的相关性光流图像配准方法作为局部配准手段。通过对比配准前后的图像，我们验证了本方法的有效性。此外，本方法因具备大配准自由度的优势而得到证实。
关键词： 视网膜图像、图像处理、成像系统、光流、主动或自适应光学、眼科学
更新于2025-09-16 10:30:52
-
[IEEE 2018年国际研讨会ELMAR - 克罗地亚扎达尔（2018.9.16-2018.9.19）] 2018年国际ELMAR研讨会 - 基于卷积神经网络的视网膜图像亮斑检测
摘要： 本文聚焦于糖尿病视网膜病变症状的自动检测与分类，更具体地说，是针对作为糖尿病视网膜病变筛查主要指征之一的明亮病灶（软性渗出和硬性渗出）。我们采用卷积神经网络（CNN）进行明亮病灶检测，并通过基于每个病灶与眼科医生评分的真实图像进行恰当比较的标准来评估所取得的结果。我们使用来自Messidor数据库的原始及经过几何变换的视网膜图像（这些图像被分割成较小的块）作为输入数据。通过这种方式，我们扩大了训练数据集并提高了分类准确性。
关键词： 软性与硬性渗出物分类、评估方法、视网膜图像、卷积神经网络、Messidor数据库
更新于2025-09-09 09:28:46
-
[IEEE 2018年第25届国际图像处理大会(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理大会(ICIP) - 一种基于差分法的视网膜血管类型分类方法
摘要： 血管类型分类是量化各类疾病严重程度的初步步骤。本文提出DBA方法——一种基于"局部尺度下动脉比静脉更亮"原理的简单高效血管分类技术。该方法通过比较每条血管主干红通道强度的加权局部差异与其相邻两条血管的对应值（该特征与血管校正氧容量高度相关，进而关联血管类型），在公开数据集INSPIRE-AVR和DRIVE上分别获得0.9217/0.9071的平均血管准确率及0.9602/0.9634的平均像素准确率，SiMES1数据集验证其对低对比度、非均匀光照及色彩变异图像具有特殊有效性。
关键词： 视网膜图像，动脉-静脉分类
更新于2025-09-09 09:28:46