BP神经网络在眼底造影图像分割中的应用

背景:通过眼底荧光血管造影(FFA)所得到的数字图像以及对其进行处理所得到的数据,可反映视网膜血管结构、血流动力学改变、血管病理生理变化及其相关结构的病理改变,广泛应用于视网膜、脉络膜及视神经疾病的鉴别诊断。目的:通过分析眼底造影图像和BP神经网络的特点,利用BP神经网络对眼底造影图像进行分割,并将其利用到眼科的临床辅助诊断之中。方法:将待分割图像区域分为背景和目标两类,用手工方法得到这两类的样本图像,提取样本图像的特征,如灰度、方差、纹理等;对提取的样本特征值进行归一化处理,输入神经网络分类器,利用BP训练算法进行训练;输入待分类的医学图像,提取图像特征,并进行归一化处理;将归一化后的特征值,输入已训练的神经网络分类器进行分类,得到眼底造影图像的分割结果。结果与结论:本文使用的眼底造影图像分割方法抗干扰能力强,分割的眼底造影图像清晰、内容丰富。可以为眼科医生的临床诊断提供较大帮助。     

一种新的Kirsch边缘检测算法

目的:通过改进传统的Kirsch边缘检测方法,提供一种具有较好的抗噪声能力和自适应能力的边缘检测新算法。方法:首先利用模糊数学方法和中值滤波去除图像中的背景噪声和随机噪声。然后,基于三阶样条小波系数构造4个滤波模板并获得滤波图像和极值点图像。最后,根据最大熵算法自动获取的阈值和极值点图像得到边缘图像,连接不连续的边缘使用边缘跟踪算法。结果:新的Kirsch边缘检测方法同传统的方法相比,具有较强的抗噪声能力,边缘图像信噪比平均提高7.45 d B左右。结论:通过改进Kirsch算法,提出了一种具有较好抗噪声能力和自适应能力的边缘检测新方法。     

基于中心线提取的视网膜血管分割

精确估计眼底图像中的血管中心线和血管宽度是眼底血管疾病量化和可视化诊断的先决条件。在深入研究眼底图像和视网膜血管特征的基础上,提出一种基于中心线提取的视网膜血管分割算法,该算法以离散高斯核函数的偏微分为模板卷积图像,利用血管的微分几何特征定位血管中心线,并测量血管宽度。本方法的血管分割精度达到亚像素级,解决了传统方法无法直接计算血管宽度的问题,且在速度方面有较大提高。应用本算法对各类眼底图像进行了血管分割的实验,结果表明,该算法可以快速、准确地进行眼底血管分割和中心线提取。     

基于光学相干层析的视网膜图像分割

利用光学相干层析（optical coherence tomography,OCT）技术可以得到清晰的视网膜层状结构,实现视网膜层状结构自动分割功能是解决OCT技术应用于视网膜疾病诊断的一项基础问题。本文通过图像平滑、峰值探测、Snake模型、贪婪算法和样条插值等综合技术,对OCT视网膜图像进行分割,自动提取层状结构轮廓并获取视网膜厚度分布图。将以上算法应用于24例正常人眼底图像,并与专家手动标记轮廓提取的厚度相比,结果证实上述视网膜自动测量算法与专家人工标记取得较好一致性。本文提出的测量算法有望应用于视网膜变异性评估。     

基于拓扑结构的眼底图像分割评价新方法

在眼底图像分割效果的评价中,针对传统评价方法只考虑像素点重合而未考虑视网膜血管拓扑结构的不足,本文提出一个新的评价方法。该方法首先利用数学形态学和细化算法得到血管的拓扑结构,然后统计并分析视网膜血管区域3个特征参数的分布情况,即以互信息、相关系数和节点率来获得基于拓扑结构的眼底图像分割评价结果。该方法的实验数据取自STARE公开数据库中专家手工分割及其腐蚀结果。实验结果表明:互信息、相关系数和节点率这三个特征参数可以从拓扑结构的角度来评价眼底图像视网膜血管的分割效果,且算法复杂程度较低,该方法对眼底图像视网膜血管分割评价方法的补充有重要意义。     

基于高斯过程和Radon变换的视网膜血管管径测量

视网膜血管管径的异常变化与糖尿病、高血压等心脑血管疾病发展进程息息相关,眼底图像中视网膜血管信息的提取是计算机辅助分析和诊断相关疾病的重要步骤。本研究提出一种视网膜血管管径测量方法。首先对眼底图像进行图像预处理,然后基于高斯过程和Radon变换准确跟踪血管中心线和方向,最后利用二维高斯过程回归技术测量血管管径。在DRIVE和STARE这两个眼底图像数据库中进行测试。结果表明不论是对于曲率较小的近似直线型血管段、曲率较大的弯曲型血管段,还是对于管径发生变化的血管段,本文方法都能较好地检测出血管管径宽度,且标准差低、运算速度快。     

基于二进小波变换和快速主动轮廓模型的医学图像边缘提取

医学图像的病灶边缘一般呈弱边缘特性,噪声干扰使得提取病灶边缘更加困难,传统的分割方法不能取得令人满意的效果.我们提出了一种基于二进小波变换和主动轮廓模型的病灶边缘提取方法.该方法采用二进小波检测出真正的边缘点,将其作为初始轮廓,再利用改进的快速主动轮廓模型算法连接边缘点,得到病灶的边缘.将该算法用于脑部MRI的肿瘤边缘提取的实验结果表明这种方法可以有效减少噪声的影响,能够准确地提取出复杂的病灶边缘.     

眼底图像中硬性渗出物检测算法

目的利用眼底图像中硬性渗出物(hard exudates,HE)的亮度与边缘特征,提出一种基于Canny边缘检测算法与形态学重构相结合的HE自动检测方法,以解决目前算法灵敏度低、检测结果中视盘和血管的干扰等问题,对糖尿病视网膜病变(diabetic retinopathy,DR)的自动筛查具有重要意义。方法检测算法包括4个步骤。步骤一,图像预处理,主要包括RGB通道选取、基于形态学的图像对比度增强。步骤二,视网膜图像关键结构的消除,利用基于Gabor滤波的血管分割方法,消除血管边缘对HE检测的影响。将本文视杯分割算法应用在眼底图像红色通道上实现视盘自动分割,消除视盘及其边缘对HE检测的影响。步骤三,利用改进的Canny边缘检测算法和形态学重构方法对HE进行提取。步骤四,基于形态学的图像后处理,消除眼底图像边缘部分假阳性区域。最后利用该算法测试公开数据库中的40幅图像(35幅HE病变图像,5幅正常图像)。结果该算法对基于病变的灵敏性(sensitivity,SE)和阳性预测值(positive predictive value,PPV)分别为93.18%和79.26%,基于图像的灵敏性、特异性(specificity,SP)和准确率(accuracy,ACC)分别为97.14%、80.00%和95.00%。结论与其他方法对比,基于Canny边缘检测算法与形态学重构相结合的HE自动检测算法具有较好的可行性。     

基于小波特性与边缘模糊检测的医学图像处理

针对现有医学图像中存在噪声干扰与边缘信号弱等现象,本文通过对二维小波变换进行研究,同时结合图像的边缘的方向性与小波系数的相关性,提出一种基于小波特性与边缘模糊检测的医学图像处理算法。该算法通过改进小波变换与传统边缘模糊检测算法,来提高算法的降噪能力与边缘优化效果。结果表明,其实验结果与预测目标基本相符,该算法能够有效的降低医学图像中的噪声信号同时有效的保留图像的边缘信号,具有清晰度高、降噪能力强等优点。     

肝癌图像感兴趣目标的准确分割

背景:Snake模型为医学图像分割提供了一个全新的分割方式,可以克服传统图像分割方法在医学图像分割中的缺点。目的:针对肝癌CT图像特点,提出了一种改进的B样条曲线的Snake模型图像分割算法。方法:对腹部CT图像进行预处理,获得肝脏癌变部分的初始轮廓,再构造闭合B样条Snake模型,最后使用MMSE最小化外力变形模型以实现图像的准确分割。结果与结论:改进的B-Snake分割算法不仅减少了噪声的影响,而且使Snake曲线较好地收敛于目标轮廓边缘,对于肝癌CT图像该方法取得了感兴趣目标的良好分割效果。     

基于非下采样Contourlet变换的眼底图像PCA增强方法

眼底图像是眼科疾病及其他疾病的有效诊断依据,对现代医学有着很重要的价值。但是由于眼睛结构的限制,眼底图像具有对比度差、背景亮度不均的特点,给医生诊断和视网膜血管提取带来诸多不便。因此本研究提出了基于非下采样Contourlet变换的主分量分析增强方法,并应用于眼底图像的增强处理。该方法首先对图像进行非下采样Contourlet变换,获得多尺度多方向的分解系数矩阵,然后利用主分量分析方法直接估计各尺度各方向的噪声能量,根据噪声能量估计值对变换系数矩阵进行处理,最后对修正后的系数矩阵进行非下采样Contourlet逆变换得到增强图像。实验表明该方法可以达到良好的去噪增强效果,和其他方法相比,眼底图像的质量得到改善,峰值信噪比得到了提高。     

一种改进的Canny边缘检测算法

针对经典Canny边缘检测算法的一些问题,提出一种既具有较好的抗噪声能力又能自适应提取较多边缘细节改进的Canny边缘检测算法。该算法思想是先进行图像的预处理,包括基于模糊数学方法去除背景噪声的干扰,利用中值滤波和高斯平滑滤波去除图像中的随机噪声。然后,通过差分方法获得图像中各像素点的梯度矢量和梯度幅值,采用非极大值抑制方法获得极值点。最后,基于最大熵自动获取阈值,根据极值点图像和阈值得到边缘图像,使用边缘跟踪算法将不连续的边缘连接起来,并去除孤立噪声点。实验结果表明:改进算法所获得的边缘图像平均提高8 dB,与传统方法相比,可获得更加连续的边缘和更少的噪声点。     

基于改进U型网络的眼底图像血管分割

眼底图像血管分割问题是眼科及其他相关疾病计算机辅助诊断的基础。通过分割和分析眼底图像中的血管结构,可以对糖尿病视网膜病变、高血压和动脉硬化等疾病进行早期诊断和监测。针对目前已有血管分割算法存在准确率不高和灵敏度较低的问题,基于深度学习基本理论,提出一种改进U型网络的眼底图像血管分割算法。首先,通过减少传统U型网络下采样和上采样操作次数,解决眼底图像数据较少的问题;其次,通过将传统卷积层串行连接方式改为残差映射相叠加的方式,提高特征的使用效率;最后,在卷积层之间加入批量归一化和PReLU激活函数对网络进行优化,使网络性能得到进一步的提升。在DRIVE和CHASE_DB1这两个公开的眼底数据库上进行实验,每个数据库随机抽取160 000个图像块送入改进的网络中进行训练和测试,可以得到该算法在两个数据库上的灵敏度、准确率和AUC(ROC曲线下的面积)值,相比已有算法的最好结果平均分别提高2.47%、0.21%和0.35%。所提出的算法可改善眼底图像细小血管分割准确率不高及灵敏度较低的问题,能够较好地分割出低对比度的微细血管。     

一种基于高斯匹配滤波法的视网膜图像血管中轴线快速提取算法

目的：研制快速、精确的视网膜血管中轴线（ｖｅｓｓｅｌ ａｘｉａｌ ｓｋｅｌｅｔｏｎ ＶＡＳ）提取算法，以定量分析眼底血管形态改变的细微变化。方法：１．图像预处理（去噪、增强）。２．以经二值化及膨胀后的梯度图像为模板，进行基于高斯匹配滤波法的快速血管提取。３．后处理（细化等）。结果：分别采用本文方法及传统方法对视网膜ＶＡＳ进行提取与结果比较。结论：本文方法具有快速、精确、抗噪声能力强及提取出的ＶＡＳ     

自动测量造影图像中血管中心线和宽度的新方法

在血管造影图像中，精确估计血管中心线和宽度是血管疾病量化与可视化诊断的先决条件。本研究在优化处理血管特征并获取细化的血管骨架之后，提出了一种基于截面梯度轮廓（CSGP）的血管参数（中心线和宽度）测量新算法：该算法采用了统计均值和亮度控制的搜索技术。实验中，利用了多种方法进行理想的和实际的造影图像血管参数测量。通过量化误差比较，CSGP新算法明显好于现有较好的引力中心法：解决了经典方法不提供血管宽度，以及无法测量节点（交叉、分支）处血管中心线的缺陷。     

基于改进支持向量机算法的超声图像分割技术

超声图像的边缘分割受到噪声影响,基于传统支持向量机(support vector machine,SVM)超声图像分割过程存在较大缺陷。提出一种基于改进SVM算法超声图像分割算法。采用分区域特征匹配方法,进行二维超声图像的分块融合性检测和特征块匹配,根据超声纹理的规则性特征分量进行病理边缘特征提取,利用提取的精度作为约束条件,优化SVM分割过程,进行超声图像分割过程的自适应分类,实现对超声图像的快速分割。仿真结果表明,采用该方法进行超声图像分割的精度较高,对超声图像的病理特征识别能力较好,结构相似度信息较强,提高了超声图像检测和诊断分析能力。     

眼底荧光影像对原发性视网膜色素变性病情严重性的评估作用

目的：探讨眼底荧光影像对原发性视网膜色素变性严重性的评估作用。方法:按准入和排除标准选择患者20名,按国际通用方法进行眼底荧光血管造影,对造影图像的表现及临床病理意义进行分析。结果:全部病例的造影图像均显示斑驳状透见荧光,其它较多的特征有色素斑块所致的荧光遮蔽、因视网膜色素上皮细胞脱离所致的荧光渗漏和沉积,较少表现的还有毛细血管无灌注所致的充盈缺损以及黄斑荧光积存等。结论:眼底荧光影像对原发性视网膜色素变性病情严重性的预示性从轻向重依次为：弥漫性斑驳状透见荧光;荧光遮蔽;充盈缺损;视网膜荧光素池样积存;黄斑荧光积存。     

多尺度MRI断层图像特征提取新技术研究

由于医学图像本身信号噪声大，边缘呈弱信号特征，用传统的图像边缘检测算法提取图像特征常会将图像中的噪声作为边缘提取，不能准确地反映医学图像中有价值的信息(如病灶大小等)。现提出一种改进算法，此法以现有的小波模极大值特征提取算法为基础，利用模糊理论确定隶属函数，提取弱信号边缘并用多尺度融合理论边缘点合成。结果表明，此方法在提取MRI图像特征的同时，可有效地抑制噪声，有助于剔除图像的伪边缘，准确定位图像边缘信息，有利于图像分割重建，便于医生根据图像确定病灶或组织的位置大小等。     

改进阈值的小波空域相关去噪法在荧光信号处理中的应用

为了去除荧光免疫层析检测中荧光信号的噪声,保留信号的细节信息,提出一种改进阈值的小波空域相关去噪算法。该算法将基于小波变换的空域相关去噪法和软阈值去噪法相结合,根据小波系数相关性的不同和平滑消去阈值法的思想,改进了软阈值去噪法的阈值变量和阈值函数。结果表明,该方法突出了信号边缘,能够有效地去除荧光信号的噪声,去噪后的信号光滑连续,且保留了信号峰的相关细节信息。     

基于先验知识随机游走模型的视网膜血管分割方法

视网膜图像的血管提取对心脑血管等疾病的诊断、治疗与评价具有重要的临床应用价值.为解决目前视网膜血管分割算法中存在的分割精度低(特别针对病变图像)等问题,提出基于先验知识随机游走模型的视网膜血管分割方法.在分析视网膜血管特征的基础上,构建归一化梯度向量散度场,针对高、低对比度血管采用不同的定向拉普拉斯算子提取血管中心线,并将先验知识随机游走模型应用于图像分割,实现对比度低、边界微弱的视网膜血管提取.采用STARE视网膜图像库进行分割精度测试,结果表明本算法精度相对已有算法明显提高,特别针对带有病变的视网膜图像,算法的有效性得到了验证,可满足临床处理的要求.