摘要：为了进行眼底疾病辅助诊断,提出一种基于多特征融合和随机森林的视网膜血管分割方法.首先为彩色眼底图中的每个像素点提取一个23维特征向量(包括图像不变矩、灰度共生矩阵、LoG结合高斯二阶导、梯度法、相位一致性和Hessian矩阵特征);然后选取一定数量的像素点,提取其特征共同构造一个特征矩阵作为输入数据,并采用随机森林算法训练分类器;再用训练好的分类器对待分割图像中的像素点进行分类,判断其是否为血管点;最后在初步分割基础上进行基于连通区域补足血管的后处理,得到优化后的血管分割结果.在DRIVE公共数据库上进行实验的结果表明,该方法平均精确度达0.9606,平均灵敏度达0.7447,平均特异性达0.9838,比已有方法性能更优.

摘要：糖尿病视网膜病变(简称糖网病)是主要的致盲疾病之一,将导致患者视觉功能下降并最终失明.糖网病的及时治疗能够尽可能保存患者的视力,因此糖网病筛查具有十分重要的意义.为了解决糖网病自动筛查准确率较低的问题,提出一种多类别训练数据下的残差网络糖网病筛查方法.首先通过收集、标定和整理眼底图数据,构建出一个新的糖网病眼底图数据集——MultiClassDR数据集,包含健康、患有糖网病和患有其他眼底疾病3种类别;然后针对高分辨率图像数据集构建残差网络模型,在ImageNet数据集和Kaggle糖网病检测数据集上对所提模型进行预训练,获得眼底图像的基本特征表达.在MultiClassDR数据集上训练及测试的结果表明,该模型进行糖网病筛查的平均准确率为87.2%;该方法能够提高模型的学习能力,增强模型进行糖网病自动筛查的性能.

摘要：视网膜微动脉瘤的检测对于早期发现糖尿病视网膜病变等重要疾病至关重要,但该病灶尺寸相对较小,属于眼底图像中的微小目标,现有的微动脉瘤检测算法难以实现该病灶的精准检测,为此提出了基于多特征尺度融合的改进Faster-RCNN微动脉瘤自动检测算法。该算法在Faster-RCNN网络模型的基础上,首先采用多特征尺度融合对特征提取网络与RPN结构进行改进以提高网络对于微小目标特征的利用;然后,通过感兴趣区域齐平池化以消除感兴趣区域池化过程中引入的量化误差;最后,通过对损失函数中的smooth L1损失函数进行重新设计得到平衡L1损失函数以实现损失函数优化,从而有效降低大梯度难学样本与小梯度易学样本间的不平衡问题,进而使得模型能够得到更好地训练。针对眼底图像中微动脉瘤的自动检测,将优化后的Faster-RCNN网络模型在Kaggle数据集上进行训练及测试,并与其他方法进行对比。实验结果表明,与其他各种结构的Faster-RCNN网络模型相比,所提出的基于多特征尺度融合的改进Faster-RCNN算法能显著提高检测结果(F-score与原始Faster-RCNN相比提升了9.36%);与其他网络模型以及方法相比,所提出的基于多特征尺度融合的改进Faster-RCNN的自动检测精度明显更优。故所提出的基于多特征尺度融合的改进Faster-RCNN算法性能较优,能准确、有效地检测出眼底图像中的微动脉瘤。

摘要：激光治疗在眼科中应用广泛,可用于视网膜、虹膜、晶状体后囊膜等,在以往的激光治疗后,多使用文字或表格的方式进行记录,会出现表述不清及资料提取困难的情况,我们研制了一款眼科激光记录软件,可以使用普通PC机进行激光治疗后的记录,包括激光治疗的各项参数及激光部位示意图,能直观地记录每次激光的情况,方便医师的资料收集及查阅,提高患者就诊的效率。

摘要：目前,基于形态学检测糖尿病性视网膜病变的算法复杂度较高,深度学习直接逐像素检测的方法虽然能够避免排除生理结构、手动设计特征的不足,但计算量大、分割速度较慢.为了解决上述问题,提出一种基于深度学习的级联检测框架.首先,分块检测眼底图像是否存在病变区域,然后对病变区域进行逐像素的分割,从而检测出微动脉瘤、出血点、硬渗出及软渗出4种病变.实验结果表明:在眼底图像公开数据库DIARETDB1中,4种病变的检测率分别为88.62%、94.91%、98.91%和92.91%.与形态学方法相比,微动脉瘤和出血点检测精度分别提高了17.39%和15.18%;与直接逐像素检测方法相比,平均检测时间仅为原来的1/4.

摘要：眼底血管分割算法常作为一种辅助分析工具用于眼部疾病的诊断.具有良好泛化性能的算法需要大量有标签数据作为支撑,但眼底数据难以获取且标注成本高.当数据匮乏时,模型训练容易过拟合,导致产生域泛化性能弱的问题.使用生成对抗网络进行数据增强能在一定程度上缓解该问题,但是合成的图像往往包含噪声数据,性能提升有限.本文从频域角度出发,设计一种数据增强算法,定义频域语义信息量,将眼底数据集的频段划分为低频、中频和高频.在训练阶段,对低频分量进行随机融合,中频分量使用随机权重增强.在测试阶段通过聚类算法缩小源域和目标域在频域上的语义信息偏差,从而提升算法的泛化性能.

摘要：为了从眼底图像中分割出具不同形态特征的视网膜血管,提出了基于改进相位一致性算法的眼底血管分割方法。采用二维离散Hilbert变换实现相位一致性算法,利用相位一致性算法在频域提取眼底图像特征并用于视网膜血管分割。采用STARE眼底图像数据库进行实验并以专家手工分割结果为标准,实验结果表明,提出的改进相位一致性算法可较好完成视网膜血管分割,能够有效避免图像亮度和对比度对分割结果的影响。

摘要：黄斑在视网膜眼底图像中呈现为一个颜色暗淡的区域,且分割容易受到暗病灶干扰,因此提出一种可以快速准确分割黄斑位置的方法。首先,设计神经网络将深度学习的方法应用到黄斑分割中,并通过上采样过程恢复原始的尺寸;其次,受限于有限的数据集,将条件生成对抗网络(conditional generative adversarial nets,cGAN)引入到黄斑分割中,该方法可生成伪图像作为分割结果,并以一种可解释的方式对此结果进行训练来分割黄斑。实例验证结果表明,该方法可生成高质量图像,并能处理梯度消失的问题,有助于弥补数据样本不足的缺陷,在光照不均和暗病灶干扰的情况下,也能取得很好的分割效果。使用公共数据集MESSIDOR和Kaggle进行了训练和验证,分别得到了94%和99.32%的准确率。

摘要：为提取反映心脑血管疾病的眼底视网膜血管,提出一种结合相位一致性和核模糊C均值的分割算法。利用基于Log Gabor小波的相位一致性算法在频域做血管边缘检测,利用核模糊C均值聚类检测结果,去噪声并二值化得到血管图像。基于STARE数据库的实验结果表明,以专家手工分割结果为参考标准,使用该算法的平均分割正确率高达92.65%。

摘要：目的本研究旨在利用计算机视觉相关技术自动识别眼底影像中糖尿病视网膜病变(diabetic retinopathy,DR,以下简称糖网)的病变特征,开发能够用于DR筛查的计算机自动筛查系统。方法利用数学形态学和支撑向量机(support vector machine,SVM)分类技术设计出检测DR包括出血、渗出、微血管瘤等各类病变的算法,再根据DR的临床诊断标准,对眼底影像进行自动分级诊断,实现自动筛查。结果利用建立完成的糖网自动筛查系统对国际Messidor数据库进行了筛查判断,以经过专家认证的诊断结果作为判定标准。在总共1 200张眼底图中,系统的判定灵敏度(sensitivity)为93.8%,特异度(specificity)为94.5%,检测时间为9.83 s。结论基于计算机视觉算法开发的糖网自动筛查系统能准确、高效的完成眼科影像的糖网筛查工作,能大幅减少阅片医生的工作量和人为的主观性,具有很好的临床应用前景和社会效益。