基于SVM的病理性視網(wǎng)膜血管分割.pdf

1、隨著現(xiàn)代醫(yī)學(xué)科技的發(fā)展和醫(yī)學(xué)設(shè)備的更新，越來越多的醫(yī)學(xué)圖像被應(yīng)用到醫(yī)學(xué)診斷和科學(xué)研究當(dāng)中。視網(wǎng)膜圖像是近年來興起的一類醫(yī)學(xué)圖像。關(guān)于視網(wǎng)膜圖像的研究主要分為識別、血管分割、視神經(jīng)盤檢測、中央凹檢測和病灶區(qū)檢測等。視網(wǎng)膜血管是視網(wǎng)膜圖像中最主要和穩(wěn)定的結(jié)構(gòu)，對于視網(wǎng)膜血管的檢測是其他工作的基礎(chǔ)。首先，視網(wǎng)膜血管本身的信息對于一些疾病的預(yù)測有指導(dǎo)意義。另外，視網(wǎng)膜血管作為視網(wǎng)膜圖像中最主要的結(jié)構(gòu)之一，與其他的結(jié)構(gòu)之間有一定的空間關(guān)系。結(jié)合血

2、管位置和走向信息檢測其它結(jié)構(gòu)具有更好的穩(wěn)定性。再者，視網(wǎng)膜圖像對于每一個人來說具有唯一性，可以用于生物特征識別，并以其變化小、難偽造成為安全性最高的生物特征識別種類之一。
　　本文中方法的提出主要針對在解決視網(wǎng)膜圖像血管分割問題過程中所要面臨的以下挑戰(zhàn)。首先，視網(wǎng)膜圖像中會出現(xiàn)光照不均勻問題。另外，在正常的視網(wǎng)膜圖像中含有視神經(jīng)盤、中央凹和眼底色素細(xì)胞等結(jié)構(gòu)，這些結(jié)構(gòu)大大影響了血管分割的結(jié)果。在病理性視網(wǎng)膜圖像中，除了上述挑戰(zhàn)外，

3、眼底損傷、視神經(jīng)盤異常等結(jié)構(gòu)也都影響血管分割的結(jié)果?？梢?，在病理性視網(wǎng)膜圖像中獲得準(zhǔn)確的血管分割結(jié)果將面臨更多挑戰(zhàn)。目前，針對病理性視網(wǎng)膜圖像進(jìn)行血管分割方法尤其是監(jiān)督方法還比較少且效果還有待提升。并且，現(xiàn)有的特征提取方法很難滿足病理性視網(wǎng)膜血管分割的要求。
　　現(xiàn)有的視網(wǎng)膜血管分割方法主要分為兩大類:監(jiān)督方法和非監(jiān)督方法。非監(jiān)督方法不需要人工標(biāo)記而監(jiān)督方法需要人工標(biāo)記。監(jiān)督方法基本思路大體分為兩步，第一步是特征的定義和提取，第二

4、步是分類器的選擇和應(yīng)用?，F(xiàn)階段用來解決病理性視網(wǎng)膜中血管分割的問題的方法大多為非監(jiān)督方法且效果有一定局限性。在本文中將利用監(jiān)督方法來解決病理性視網(wǎng)膜的分割問題。
　　本文針對病理性視網(wǎng)膜圖像分割問題設(shè)計(jì)了更有效的特征提取算法。對圖像中每一個像素在局部區(qū)域內(nèi)提取特征的方法解決了分割過程中圖像光照不均勻問題。特征包括局部灰度分布信息、形狀信息、形態(tài)學(xué)信息等，比以往算法更全面和有效的區(qū)分血管區(qū)域和非血管區(qū)域。尤其是在病理性視網(wǎng)膜圖像中，

5、這些特征的應(yīng)用使得本方法能夠有效而準(zhǔn)確的提取血管區(qū)域。在特征提取后，文中應(yīng)用了支持向量機(jī)對圖像進(jìn)行處理得到最終分割結(jié)果。本文方法分別在STARE(StructuredAnalysis of the Retina)數(shù)據(jù)庫和DRIVE(Digital Retinal Images for Vessel Extraction)上進(jìn)行了測試。在這兩個數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，本文方法對于健康的和病理性的視網(wǎng)膜圖像分割效果都非常好，并對光照不均勻圖