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。     

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。     

一种眼底图像出血点的检测算法

目的 提出一种基于灰度检测和形态学重构的出血点(hemorrhages,HA)自动检测算法,以提高糖尿病视网膜病变(diabetic retinopathy, DR)眼底图像的质量和灵敏度。方法 对预处理后的图像进行灰度阈值分割,保留并提取出HA和血管特征,再利用形态学方法去除血管并消除图像边缘假阳性区域,形成新算法。用新算法测试公开数据库DIARETED1中的50幅图像(45幅HA病变图像,5幅正常图像),与专家人工判断结果进行比对验证。结果 该算法的灵敏度(sensitivity, SE)和特异性(specificity, SP)分别为93.33%和80.00%。结论 该算法可提升眼底图像质量和灵敏度,在不借助医生经验的条件下完成快速判定,很大程度提高了筛查的效率。     

视网膜血管生物医学图像的减影增强预处理研究

图像分割的效果随处理对象不同而异 ,至今仍属探索的难题。针对视网膜血管图像进行整体背景减影方法的研究 ,用已摄的实际图像自身作依据 ,处理过程不必依赖于图像记录系统的先验信息 ,以实现视网膜血管灰度图像增强的预处理效果 ,为后续二值分割过程提供合适的图像品质 ,实验结果显示本方法的预处理增强效果良好     

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。     

一种病变眼底图像的配准方法

对于具有病变的眼底图像,血管结构不够清晰,采用基于血管分割和血管分支点、交叉点等眼底图像配准方法具有一定的局限性。为了解决这个问题,提出一种基于不变特征的眼底图像配准方法。提取眼底图像的尺度不变特征(SIFT)作为特征点,提出双边或的Best-Bin-First(BBF)算法进行特征点匹配,并根据特征点具有旋转不变性的方向特征和空间斜率及空间距离等几何特性的一致性检测去除误匹配,精化匹配特征,利用得到的匹配特征进行M估计得到眼底图像的变换关系。通过对不同程度病变的眼底图像数据进行配准实验,观察配准结果,对比匹配特征的正确匹配数量和分析衡量配准精度的均方根误差。结果表明,该方法实现了良好的细节对齐,保留了足够的正确匹配对,对实验的病变眼底图像配准成功后的均方根误差均小于1,且浮动于0.5左右,验证了方法的精确性和有效性。     

CT图像特征的高精度区域分割

传统CT图像分割在进行最为重要的边缘分割时,复杂空洞和非血管区域特征运用单一约束条件,缺少持续性操作过程,降低了分割精度。提出一种约束持续的CT图像特征的高精度区域分割方法,通过灰度腐蚀运算和滤波处理,获取灰度直方统计结果,据此确定种子点选取原则,实现对血管的初步分割,在此基础上采用更新均值和种子点持续分割作为约束条件,更新均值和种子点持续分割直至无满足灰度区间像素点,实现对CT图像特征的高精度区域分割。以肝脏CT图像为例的分割实验结果说明,所提方法可降低肝脏分割时产生的空洞和非血管信息的提取概率,相较于手工方法与传统方法,本研究所提方法的分割精度较高。     

基于三维冠状动脉CTA图像的半自动血管分割方法

目的从患者胸腔部位的计算机断层血管造影(computed tomography angiongraphy,CTA)图像中分离出冠状动脉血管,并实现三维的可视化,以便医生对由冠状动脉病变引起的心血管疾病进行诊断和治疗。方法在传统区域生长的基础上提出一种半自动的血管分割方法。首先采用基于灰度值的主动脉预生长,然后进行基于自适应阈值的冠状动脉生长,最后进行后期处理,得到最终分割结果。结果通过这种半自动的区域生长得到的结果,在三维上进行可视化后能够较清晰地判断出血管的粗细、形状、狭窄等情况,且得到的模型也可用于后期的相关计算。结论基于传统区域生长算法的半自动血管分割方法提高了冠状动脉分割的适应性和有效性,能更好地对冠状动脉CTA图像进分割提取。     

基于模糊区域对比度增强的肺实质鲁棒分割

基于阈值操作的肺实质分割对CT图像的对比度敏感,常常造成肺部粘连区域的肺实质分割失败。提出一种融合模糊区域对比度增强与阈值和形态学细化分割的新的肺实质分割算法。首先,根据图像的灰度信息利用线性迭代聚类将图像预分割为多个超像素。然后,根据超像素的灰度统计信息自动定位模糊区域,并进行自适应对比度增强。最后,基于阈值和形态学操作进行细化分割,准确提取肺部粘连区域和肺实质。通过对kaggle肺部数据集30位患者的300张CT图像进行测试,结果表明本研究算法的平均分割准确率(Dice系数)为98.65%,过分割率为0.21%,欠分割率为1.33%,整体分割性能比传统阈值操作和形态学方法有明显提升。     

基于数学形态学的视网膜血管提取算法

目的 影像中血管的分割与特征提取,对疾病的早期诊断具有重要意义。针对很多视网膜血管提取算法分割精度不高的问题,提出了运用数学形态学中的高帽变换的方法对其进行检测。方法 首先,选取结构元素为“圆盘形”的形态学对图像进行高帽变换,经过高帽变换后的图像平滑了图像的背景,同时增强了血管在图像中的对比度。其次,对变换后的图像利用Otsu＇s自动分割法对图像进行阈值分割得到血管的二值图像。再次,根据血管在图像中的结构信息和几何信息,利用基于连通域度量的方法,设置连通域的“面积”和“长宽比”两个阈值,去除虚假目标。最后,为保持血管的连续性,对图像进行一次膨胀运算,可将断裂的血管连接起来,减小了实验的误差。结果 通过上述步骤实现了对血管的提取。结论 结果表明,本文算法能有效提取视网膜眼底图像的血管网络,有较强的分割精度。     

Determination of foveal avascular zone in diabetic retinopathy digital fundus images

Monitoring FAZ area enlargement enables physicians to monitor progression of the DR. At present, it is difficult to discern the FAZ area and to measure its enlargement in an objective manner using digital fundus images. A semi-automated approach for determination of FAZ using color images has been developed. Here, a binary map of retinal blood vessels is computer generated from the digital fundus image to determine vessel ends and pathologies surrounding FAZ for area analysis. The proposed method is found to achieve accuracies from 66.67% to 98.69% compared to accuracies of 18.13-95.07% obtained by manual segmentation of FAZ regions from digital fundus images.     

数字减影血管造影技术在犬下肢动脉造影中的应用

文题释义： 数字减影血管造影步进技术：在只注射一次对比剂的情况下，根据不同血流速度和充盈程度，通过控制造影床的移动，进行跟踪造影，一次注射对比剂即可实现全部血管显影；相比于传统的分段造影，可显著减少对比剂用量及曝光时间。 动物模型：通过对实验动物进行特定的外部干预，使动物产生某一方面的疾病状态或生理变化，达到对人体特定情况的模拟，从而以此为平台进行反复的观察和研究，以便更准确地观察模型的实验结果并与人类疾病进行比较研究，有助于更方便、更有效地认识人类疾病的发生发展规律，研究防治措施。 背景：目前对下肢血管疾病的研究趋于热门，在以大型动物为研究平台的实验中，需要对动物下肢血管进行形态及密度的检测，以研究和验证干预措施的有效性，且这种检测方法需要较高的可行性及可重复性。 目的：探讨数字减影血管造影技术应用于犬类动物模型下肢动脉造影中的可行性、影响因素及应用价值。 方法：6只比格犬经麻醉后固定于工作床，于犬大腿上段股动脉搏动明显处，采用留置针进行经皮股动脉顺行穿刺，人工推注对比剂，采用数字减影血管造影步进技术采集造影图像，对图像效果及影响因素进行分析。 结果与结论：①所有6只比格犬双后肢最终动脉造影图像显示清晰，能分辨细小血管分支，无伪影；②其中第1只犬在初次造影时因对比剂刺激导致肢体抖动，图像效果欠佳，经固定肢体及稀释对比剂后再次造影得到了清晰图像；③提示采用数字减影血管造影技术进行犬类动物模型动脉造影可以清晰显示血管形态及密度，操作简单、重复性好，对模拟肢体缺血的动物模型研究具有重要意义。 ORCID: 0000-0003-0335-021X(张世勇) 中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程     

一种可变系数的对数脑血管减影算法研究

目的 针对数字减影血管造影（digital subtraction angiography,DSA）血管图像中非血管结构难以完全去除,严重干扰对血管分析与诊断的问题,本文寻求一种适用于脑血管DSA图像的减影方法.方法 根据X射线在人体组织中的吸收特性,提出一种可变系数的对数减影算法.该算法首先对造影前后的图像分别进行对数变换再相减,然后设计一个自适应的扩大系数,将对数减影后的图像进行灰度动态范围的扩大.结果 对源自临床的一个实际造影图像（蒙片和盈片）分别采用直接减影、一般的对数减影和本文的对数减影算法进行处理,三种方法中本文算法获得的图像非血管结构较少,对比度强.结论 实验结果证明,可变系数对数减影算法能有效消除或降低背景噪声,获得血管灰度一致、对比度较强的血管图像.     

Automatic segmentation of age-related macular degeneration in retinal fundus images

Every year an increasing number of people are affected by age-related macular degeneration (ARMD). Consequently, vast amount of information is accumulated in medical databases and manual classification of this information is becoming more and more difficult. Therefore, there is an increasing interest in developing automated evaluation methods to follow up the diseases. In this paper, we have presented an automatic method for segmenting the ARMD in retinal fundus images. Previously used direct segmentation techniques, generating unsatisfactory results in some cases, are more complex and costly than our inverse method. This is because of the fact that the texture of unhealthy areas of macula is quite irregular and varies from eye to eye. Therefore, a simple inverse segmentation method is proposed to exploit the homogeneity of healthy areas of the macula rather than unhealthy areas. This method first extracts healthy areas of the macula by employing a simple region growing method. Then, blood vessels are also extracted and classified as healthy regions. In order to produce the final segmented image, the inverse image of the segmented image is generated as unhealthy region of the macula. The performance of the method is examined on various qualities of retinal fundus images. The segmentation method without any user involvement provides over 90% segmentation accuracy. Segmented images with reference invariants are also compared with consecutive images of the same patient to follow up the changes in the disease.     

融合感受野模块的卷积神经网络视杯视盘联合分割

青光眼是世界第一大不可逆致盲性眼病,早期诊断和及时治疗是预防青光眼致盲的有效措施。眼底图像中的杯盘比是青光眼早期筛查与临床诊断的重要指标。因此,精确的视杯视盘分割是准确计算杯盘比并提高青光眼计算机辅助诊断技术的关键。针对这一问题,在对眼底图像进行极坐标变换的基础上,提出一种融合感受野模块的卷积神经网络Seg-RFNet,以实现视杯视盘联合分割。Seg-RFNet以SegNet框架为基础,使用ResNet50作为编码层,增强图像的特征提取能力,并对编码层进行分支处理,进一步获得更多的深层语义信息;同时在编码层和解码层之间加入感受野模块,模拟人类视觉系统,在增大感受野的同时增强了有用特征的响应。使用MICCAI 2018公开数据集REFUGE中的800张眼底图像对所提出方法与其他方法进行性能验证和比较。结果表明,Seg-RFNet分割视杯和视盘的Jaccard相似度分别0.951 5和0.872 0,F分数达到了0.974 9和0.930 1,与常用的U-Net、SegNet 网络相比,Seg-RFNet具有更好的视杯视盘联合分割精度,为计算杯盘比提供了精确分割基础。     

Analysis on diagnosing diabetic retinopathy by segmenting blood vessels,optic disc and retinal abnormalities

Abstract

The main intention of mass screening programmes for Diabetic Retinopathy (DR) is to detect and diagnose the disorder earlier than it leads to vision loss. Automated analysis of retinal images has the likelihood to improve the efficacy of screening programmes when compared over the manual image analysis. This article plans to develop a framework for the detection of DR from the retinal fundus images using three evaluations based on optic disc, blood vessels and retinal abnormalities. Initially, the pre-processing steps like green channel conversion and Contrast Limited Adaptive Histogram Equalisation is done. Further, the segmentation procedure starts with optic disc segmentation by open-close watershed transform, blood vessel segmentation by grey level thresholding and abnormality segmentation (hard exudates, haemorrhages, Microaneurysm and soft exudates) by top hat transform and Gabor filtering mechanisms. From the three segmented images, the feature like local binary pattern, texture energy measurement, Shanon’s and Kapur’s entropy are extracted, which is subjected to optimal feature selection process using the new hybrid optimisation algorithm termed as Trial-based Bypass Improved Dragonfly Algorithm (TB – DA). These features are given to hybrid machine learning algorithm with the combination of NN and DBN. As a modification, the same hybrid TB – DA is used to enhance the training of hybrid classifier, which outputs the categorisation as normal, mild, moderate or severe images based on three components.