摘要：硬性渗出是糖尿病视网膜病变的重要表现和诊断依据.针对硬性渗出检测容易受到图像背景和噪声干扰的问题,提出基于邻域约束模型的眼底图像硬性渗出聚类检测方法.首先设定检测区域,结合区域像素的灰度和空间信息定义目标检测函数,通过迭代计算完成图像的聚类分割;然后计算邻域的灰度差异,将最大灰度变化作为相似性判决的约束条件,进而判定每个聚类图像是否属于硬性渗出.在公开的眼底图像数据库上进行实验的结果表明,该方法能有效地识别和检测眼底图像中可能存在的硬性渗出,对正常图像的判断正确率达到90%,对存在病变图像的检测灵敏度和阳性预测值分别达到79%和81%,有助于眼底疾病的计算机辅助诊断.

摘要：视网膜血管分割方法是眼科计算机辅助诊断和大规模疾病筛查系统的基础,文中讨论了基于彩色眼底图像的视网膜血管分割方法研究进展.概述了该领域的背景意义、常用标准库、性能衡量指标、采用的主要算法及其优缺点,旨在快速地引导研究人员了解本领域研究内容.视网膜血管分割方法可分为基于血管跟踪的方法、基于匹配滤波的方法、基于形态学处理的方法、基于形变模型的方法和基于机器学习的方法等5大类,各类方法都各有特点,为后期研究提供了基础.其中基于机器学习的方法是目前最重要的分割方法,以数据驱动的方式为眼科辅助诊断系统提供依据.尽管研究人员已经做了大量工作,视网膜血管分割依然有进一步提高精度和效率的空间.眼底图中其他生理结构和各种病灶的干扰,微小血管、视盘内血管、新生毛细血管网等的分割,都是血管分割问题中有待解决的难点.

摘要：提出一种能有效分割眼底图像中视网膜血管的监督学习方法,为眼底图中的每个像素点构造一个包括局部特征、形态学特征和Gabor特征在内的39维特征向量,用以判定其是否为血管上的像素.在进行分类计算时,以分类回归树作为弱分类器对样本集分类,然后对AdaBoost分类器进行训练得到强分类器,并由此完成各个像素点的分类判定.基于国际公共数据库DRIVE的实验结果表明,该方法的平均精确度达到0.960 7,且敏感度和特异性均优于已有的基于监督学习的方法,适用于眼底图像的计算机辅助定量分析和疾病诊断.

摘要：糖尿病性视网膜病变(糖网病)是导致成年人视觉损失的主要因素之一.早期的眼底筛查可以显著降低这种视觉损失的可能性.彩色眼底图像由于具有采集便利、对人体无伤害等特点,常被用于大规模的眼底筛查工作.对眼底图像中的红色病变点而言,微动脉瘤是轻度非增殖性糖网病的主要标志,出血点与中度及重度非增殖性糖网病的诊断有关,因此,眼底图像中出血点和微动脉瘤的准确分割对糖网病分级诊断具有重要参考价值.提出一种基于多任务学习的分割模型Red-Seg来对出血点和微动脉瘤进行分割.该网络包含两个分支,每个分支处理一种病变点.设计了一种两阶段训练算法,并且两个阶段使用不同的损失函数:第1阶段使用改进的Top-k带权交叉熵损失函数,将模型训练集中在难分样本上;第2阶段将最小化假阳性和假阴性作为Red-Seg模型训练的优化目标,进一步减少病变点误分.最后,在IDRiD数据集上进行模型验证,并与其他病变点分割方法进行对比.实验结果表明,在应用Red-Seg模型进行微动脉瘤和出血点红色病变点分割时,两阶段训练算法可以显著减少病变点误分情况,尤其是出血点分割的准确率和召回率都提高2.8%.同时,与HED、FCRN、DeepLabv3+和L-Seg等图像级分割模型相比,Red-Seg模型在微动脉瘤分割上获得了更好的AUC_PR.

摘要：眼底图像视盘定位是视盘分割的重要前提.针对视盘定位结果易受图像对比度的影响的问题,提出一种基于置信度计算的快速视盘定位方法.首先采用基于形态学变换的方法增强眼底图像中视盘、血管区域与图像背景的对比度,并根据图像增强结果中像素点的亮度特征初始定位视盘区域;然后运用局部滑动窗口扫描的方法,根据窗口内像素点亮度特征和其周围血管分布的特性计算候选区域的置信度,定位视盘区域.在不同的眼底图像公共数据上进行实验的结果表明,对于1 341幅眼底图像,该方法能准确地定位其中1 325幅图像的视盘区域,视盘定位准确率为98.8%,平均每幅图像耗时0.25 s,优于现有的视盘定位方法,适用于眼底疾病的计算机辅助诊断.

摘要：针对眼底图像配准后直接叠加产生的接缝及如何保证多幅图像融合后细节信息不丢失的问题,提出层次式优化的多频带眼底图像融合方法。该方法通过多阈值分割获取掩模图像并计算其欧式距离得到各层次图像蒙版;根据欧氏距离值及拉普拉斯能量和设计每层蒙版图像的改进加权系数。构建基于信息熵、空间频率和清晰度的图像融合联合客观评价方法进行分析。最后,利用配准误差及重叠率对图像序列进行分组融合后进入下一层,对于奇数幅图像序列中没有组合的图像直接放入下一层。再根据分组规则重新分组进行优化融合,实现层次式的多幅眼底图像优化融合。通过对75组取自福建省附属第一医院眼科及眼底相机实验系统的图像序列,涉及4 898组图像对(正常眼底图像2 952对,病变眼底图像1 946对)进行测试与验证,结果表明,提出方法在有效除去拼接缝的同时,融合图像在重叠区域的RMSE值约为(0.1±0.05)像素。提出的融合方法在客观评价和主观视觉效果之间取得了较好的平衡。

摘要：设计并实现一个眼底图像计算机辅助诊断系统。利用基于内容的图像检索(CBIR)技术,提出一种综合考虑眼底图像颜色(灰度)直方图和明、暗区域等局部信息相混合来表示眼底特征的方法,并运用二维主成分分析法进一步提取非线性特征和降维。在相似性度量上,运用支持向量机和最近邻分类算法。随机测试120个样本,系统检索错误的图片数为2张,其正确识别率为98.33%。该系统可用于异常眼底的筛查。

摘要：针对传统的眼底图像血管分割准确率不理想的情况,提出一种基于SegNet的血管分割网络。用截取图像的方法扩增数据;基于SegNet模型进行改进,设计具有不同感受野的编码块、解码块结构,构建编码-多次解码的网络模型;通过大量实验得到分割效果最佳的血管分割网络。血管分割网络在公开眼底数据库DRIVE上进行训练以及测试,准确率、AUC分别达到0.9548、0.9772。实验结果表明,血管分割网络达到了较高的分割精度。

摘要：贫困地区的大规模疾病筛查主要依靠便携式手持摄像机和远程诊断来完成,这一过程获得的眼底图像往往质量较差,分辨率较低。针对这一问题,设计了一种基于信息蒸馏与异构上采样的轻量级超分辨网络。网络考虑到眼底图像与自然图像的区别,利用蒸馏特征对粗特征进行补足,然后以异构的方式将粗特征与深度特征分别进行上采样,最后集成两种上采样的特征得到高清眼底图像。从图像质量、参数内存和运行时间三个方面与先进的方法进行比较,在参数内存和运行时间成绩优异的同时取得了最高的图像质量,这为超分辨算法嵌入在手持眼底摄像机和普通医用设备上提供了思路。

摘要：目的医学图像的像素级标注工作需要耗费大量的人力。针对这一问题,本文以医学图像中典型的眼底图像视盘分割为例,提出了一种带尺寸约束的弱监督眼底图像视盘分割算法。方法对传统卷积神经网络框架进行改进,根据视盘的结构特点设计新的卷积融合层,能够更好地提升分割性能。为了进一步提高视盘分割精度,本文对卷积神经网络的输出进行了尺寸约束,同时用一种新的损失函数对尺寸约束进行优化,所提的损失公式可以用标准随机梯度下降方法来优化。结果在RIM-ONE视盘数据集上展开实验,并与经典的全监督视盘分割方法进行比较。实验结果表明,本文算法在只使用图像级标签的情况下,平均准确识别率(mAcc)、平均精度(mPre)和平均交并比(mIoU)分别能达到0. 852、0. 831、0. 827。结论本文算法不需要专家进行像素级标注就能够实现视盘的准确分割,只使用图像级标注就能够得到像素级标注的分割精度。缓解了医学图像中像素级标注难度大的问题。