当前位置:主页 > 医药学论文 >

基于多尺度线性检测器的视网膜血管分割

更新时间:2019-01-29
金币数100(1金币=1元) 资料包括:原始论文 常见问题答疑
文档格式:doc/docx 全文字数:10700 本站郑重承诺
以下仅为摘要、提纲简介,扫二维码付款后即可获取文章全文,付款金额左下角相应的“金币数”。付款后请把付款结果截图及所需论文的网址发给客服,客服核实后,马上发到您的邮箱或者在线传送给您。
客服QQ:312050216 点击这里给我发消息
扫一扫 扫一扫
基于多尺度线性检测器的视网膜血管分割

摘要
在现代社会的医学领域中,医学图像处理技术越来越成熟,许多图像处理技术在经过一系列的临床实践与改进后,得以广泛的发展与应用。医学图像通过计算机技术的处理与计算,可以量化描绘人体生理图像与特征,增强临床诊断与治疗的能力,具有非常重要的科学研究价值与意义。
而作为人体微循环系统的重要组成部分与末端,视网膜血管是唯一可以直接观察的血管。它的形态结构变化以及分布特征是许多疾病的前兆,例如糖尿病、高血压、冠心病等等一些心血管疾病。因此,通过对眼底图像系统的建立并分析其血管特征,可以对眼底细胞病变进行预测,从而实现及早的疾病预测与药物治疗。
 
在不同的视网膜血管分析任务中, 视网膜血管的分割提取非常重要, 因为它是任何测量与观测的第一步。但是由于其网络复杂的树状结构与丰富的分枝,加上细小血管与背景之间的弱对比性,给视网膜的血管分割带去困难。本文提出了一种基于多尺度线性检测器与神经网络的高效视网膜血管分割方法。
算法的第一步是提取视网膜图像中包含丰富血管轮廓信息的绿色通道分量,利用数学形态学中的开操作对绿色通道灰度图像进行预处理,去除血管的中央反射。第二步,利用线性滤波的方法对血管图像进行增强,实现背景均衡化与光照补偿,利用灰度变化方法提高血管图像的对比度。第三步,对预处理后的血管模型进行多维特征提取,同时在绿色通道原图中,利用多尺度线性检测器,组合不同的响应结果提取特征值。
最后,基于所提取的6维特征向量库和数据库中的手动分割结果,利用神经网络训练样本,进行图像分割。本文选用DRIVE和STARE两个数据库对分析后的视网膜图像进行算法性能测试。实验结果表明,本文提出的分割算法拥有较高的分割精度与计算速度,对中央反射的血管进行了精确的分割,同时保证了封闭血管和毛细血管的分离,它的操作简便并且可扩展高分辨率视网膜图像。
 
关键词:视网膜病变 血管分割 多尺度线性检测 神经网络