基于徑向投影和半監(jiān)督學習的視網(wǎng)膜血管分割.pdf

1、視網(wǎng)膜血管的處理與分析是醫(yī)學和生物識別領(lǐng)域研究的熱點問題，有重要的理論研究價值和廣泛的應(yīng)用背景。在醫(yī)學上，視網(wǎng)膜相關(guān)病變可以預(yù)示一些疾病。因此提前讓患者做周期性的檢查和診斷，很多患者可以提前預(yù)防相關(guān)疾病。一般視網(wǎng)膜病變由眼科醫(yī)生進行人工檢查，需要花費較多時間；應(yīng)用計算機自動檢測可提高眼底圖像的評估效率?？煽康难芴崛∈且暰W(wǎng)膜圖像后續(xù)分析和處理的前提，因為血管是視網(wǎng)膜圖像中最穩(wěn)定和最主要的結(jié)構(gòu)。目前研究者提出了許多血管自動檢測方法，并取得

2、了較好的效果，但主要問題是在低對比度的背景里，這些方法經(jīng)常丟失小血管。
　　 本文提出了一種自動檢測中心線的方法：利用徑向投影的方法得到可視區(qū)域（filed of view）每個點的投影曲線，分析曲線的峰值特性得到中心線的候選點。然后用去噪步驟剔除偽候選點得到真實的中心線，通過檢測中心線來獲得對比度低的細小血管。為了檢測血管主體結(jié)構(gòu)，本文引入導(dǎo)向濾波器和半監(jiān)督訓練的方法。首先用不同尺度下的導(dǎo)向濾波器實現(xiàn)視網(wǎng)膜血管的自適應(yīng)增強，然

3、后用直線算子描述像素點的特征。進一步利用人工標記的視網(wǎng)膜分割點初始化SVM分類器，用自訓練的方法使未標記的血管點轉(zhuǎn)化成標記點，加入訓練中以提高分類器的性能。最后對輸入的視網(wǎng)膜血管圖像進行二分類（血管點和非血管點），得到視網(wǎng)膜血管的主體結(jié)構(gòu)。將視網(wǎng)膜血管中心線和血管主體結(jié)構(gòu)進行融合和去噪，經(jīng)過形態(tài)學處理得到視網(wǎng)膜血管最后分割結(jié)果。本文在DRIVE和STARE兩個公開數(shù)據(jù)庫上進行實驗，并與其它方法進行了比較。提出的方法能提取對比度低的小血管