基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的視網(wǎng)膜血管圖像分割算法設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著現(xiàn)代生活水平的提高，患高血壓、糖尿病、動(dòng)脈硬化等心血管疾病的人日益增多。視網(wǎng)膜血管是人體內(nèi)唯一可以通過(guò)非創(chuàng)傷地方式直接觀察到的較深層微血管，其結(jié)構(gòu)特征的變化可以直接反映出這些心腦血管疾病對(duì)血管形態(tài)結(jié)構(gòu)的影響。醫(yī)生通過(guò)觀察眼底視網(wǎng)膜圖像中血管的結(jié)構(gòu)特征的變化以進(jìn)一步地判斷出疾病的類型及嚴(yán)重程度，從而可以對(duì)癥下藥。因此，視網(wǎng)膜圖像中血管的檢測(cè)與自動(dòng)分割在醫(yī)學(xué)臨床上具有十分重要的意義。
　　由于采集后的視網(wǎng)膜圖像會(huì)出現(xiàn)諸如光照不均、

2、血管區(qū)域?qū)Ρ榷鹊偷葐?wèn)題，加之血管結(jié)構(gòu)特征復(fù)雜，使得視網(wǎng)膜圖像中的血管很難被有效提取。脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network）是一種第三代神經(jīng)網(wǎng)絡(luò)，所具有的神經(jīng)元同步脈沖發(fā)放特性使其非常適用于圖像分割應(yīng)用。但由于PCNN模型僅是連續(xù)處理過(guò)程的一個(gè)離散表達(dá)，在進(jìn)行迭代處理的過(guò)程中，已經(jīng)被激發(fā)的神經(jīng)元所捕獲的神經(jīng)元必須等到下一時(shí)刻才能被激發(fā),這樣會(huì)造成分割結(jié)果中出現(xiàn)不連續(xù)的區(qū)域或斷點(diǎn)。將其用于視網(wǎng)膜圖像中的

3、血管分割會(huì)造成分割結(jié)果的不精確，難以有效發(fā)揮PCNN的優(yōu)勢(shì)。
　　針對(duì)當(dāng)前視網(wǎng)膜血管圖像分割存在的問(wèn)題和難點(diǎn)，本文在深入研究PCNN模型的基礎(chǔ)上，提出了一種基于自適應(yīng)連接值PCNN的視網(wǎng)膜血管圖像分割算法，旨在提高視網(wǎng)膜血管圖像分割的精確度。整個(gè)論文的研究工作如下：
　　1)視網(wǎng)膜圖像的預(yù)處理。為了改善視網(wǎng)膜圖像的質(zhì)量，清晰地突出血管結(jié)構(gòu)，在血管結(jié)構(gòu)提取之前，需要對(duì)視網(wǎng)膜圖像進(jìn)行預(yù)處理。主要采用對(duì)比度受限制的自適應(yīng)直方圖均衡

4、化（CLAHE）和二維高斯匹配濾波的方法對(duì)視網(wǎng)膜圖像中的血管進(jìn)行增強(qiáng)處理。
　　2)提出了一種基于自適應(yīng)連接值PCNN的視網(wǎng)膜血管圖像分割算法。該算法將帶有快速連接機(jī)制的PCNN與種子區(qū)域增長(zhǎng)思想相結(jié)合，首先利用閾值操作選擇出可靠的血管區(qū)域作為種子區(qū)域，然后通過(guò)動(dòng)態(tài)設(shè)置PCNN中的連接強(qiáng)度系數(shù)和停止條件，使得點(diǎn)火神經(jīng)元能夠快速捕獲周圍相似神經(jīng)元，實(shí)現(xiàn)血管區(qū)域的自動(dòng)生長(zhǎng)，從而有效提取視網(wǎng)膜圖像中的血管。
　　3)在DRIVE圖