面向視網(wǎng)膜病變圖像硬性滲出物識別的應(yīng)用研究.pdf

1、近年來，糖尿病發(fā)病率呈現(xiàn)增長趨勢，糖尿病視網(wǎng)膜病變作為糖尿病的嚴重并發(fā)癥受到了諸多關(guān)注。人體視網(wǎng)膜血管眾多，微血管自身的變化，對于糖尿病的病程、嚴重程度及術(shù)后恢復(fù)情況都密切相關(guān)聯(lián)。目前患者是否患有糖尿病視網(wǎng)膜病變，必須通過專業(yè)眼科醫(yī)師進行人工檢查。大量的眼底圖像，任務(wù)重、強度大、主觀性大，對診斷帶來一定的問題，加上高昂檢查費的壓力，使得患者不能得到及時的治療。因此采用計算機基于圖像識別的輔助檢測技術(shù)得到迅速的發(fā)展?；趫D像識別的自動檢測

2、技術(shù)，在醫(yī)生診斷病情的應(yīng)用領(lǐng)域是研究的熱點。但眼底圖像特征自動識別存在圖像質(zhì)量與內(nèi)容的干擾因素較多，始終是難點。本文針對這一問題，基于一種機器學(xué)習(xí)的數(shù)字圖像識別與檢測的方法，開展論文研究工作。
　　本文研究工作與貢獻：
　　第一：基于數(shù)字圖像處理技術(shù)進行圖像預(yù)處理，分別進行了顏色空間轉(zhuǎn)換、圖像去噪以及圖像增強工作，消除了圖像存在的光照不均、低對比度等問題，提高了圖像整體的質(zhì)量。由于視盤的某些視覺特征和硬性滲出很相似，為消除眼

3、底圖像中視盤對滲出物的干擾，采用一維最大熵分割算法對視盤進行有效定位與分割。
　　第二：基于上述預(yù)處理圖像，為正確區(qū)分滲出區(qū)域和正常區(qū)域的圖像像素點，參照臨床醫(yī)生對病變特征的描述，抽取出亮度、顏色、邊界長度等顯著性特征，使用均值、標準差等數(shù)理統(tǒng)計指標對它們進行統(tǒng)計。并通過聚類算法構(gòu)造出聚類簇平均亮度等新的特征。
　　第三：基于貝葉斯定理和特征條件獨立假設(shè)的樸素貝葉斯算法，以及特征空間定義的間隔最大的線性分類器支持向量機算法，