[发明专利]基于视网膜图像处理的微小动脉瘤发生风险预测系统

说明书

技术领域

本发明属于模式识别研究领域，具体涉及基于视网膜图像处理的微小动脉瘤发生风险预测系统。

背景技术

采用数字眼底图像进行视网膜微小动脉瘤的自动检测是目前模式识别的一个重要应用领域。Fleming等人使用局部标准化对比度的方法实现了数字眼底图像中微小动脉瘤的自动检测(A.D.Fleming，S.Philip，K.A.Goatman，J.A.Olson，and P.F.Sharp.Automated microaneurysms detection using local contrast normalization and local vessel detection[J]，IEEE transactions on medical imaging，2006，25：1223-1232.)，一定程度上剔除了不易与微小动脉瘤区分的毛细血管部分。Walter等人提出一种基于数学形态学的检测(T.Walter，P.Massin，A.Erginay，R.Ordonez，C.Jeulin，and J.-C.Klein.Automatic detection of microaneurysms in color fundus images[J]，Medical image analysis，2007，11(6)：555-566.)，通过图像标准化实现亮影补偿，对微小动脉瘤的检测则采用直径逼近的方法，弥补顶帽变换对弯曲血管检测的不足。Niemeijer结合监督像素分类器(Supervised Pixel Classification)方法提出了一种混合检测算法(M.Niemeijer，B.van Ginneken，J.Staal，M.S.A.Suttorp-Schulten，and M.D.Abràmoff.Automatic detection of red lesions in digital color fundus photographs[J]，IEEE transactions on medical imaging，2005，24(5)：584-592.)，此算法可以检测所有的视网膜血管，包括微小动脉瘤等类似的病灶信息，通过去除粘连在一起的线形结构，得到微小动脉瘤候选集合，此方法同时可以检测视网膜出血等病征信息。Bob等人则采用了一种多尺度相关系数的方法实现微小动脉瘤的自动检测，根据微小动脉瘤的形状特征进行形态匹配，其匹配程度采用相关系数衡量，再经过特征提取获取微小动脉瘤集合(Z.Bob，W.X.Qian，Y.Jane，et al.Detection of microaneurysms using multi-scale correlation coefficients[J]，Pattern recognition，2010，43：2237-2248.)。

除了基于数学形态学方法的微小动脉瘤自动检测，Sinthanayothin等人采用递归区域生长实现了微小动脉瘤和血管的检测，并使用人工神经网络提取血管，去除提取的血管后得到所要检测的微小动脉瘤(C.Sinthanayothin，J.F.Boyce，T.H.Williamson，H.L.Cook，E.Mensah，S.Lal，and D.Usher.Automated detection of diabetic retinopathy on digital fundus images[J]，Diabetic medicine，2002，19：105-112.)。Quellec等人选用监督学习方法，经过小波变换后，对变换后小波子带进行模板匹配，对匹配结果进行阈值分割得到所需的微小动脉瘤集合(G.Quellec，M.Lamard，P.M.Josselin，G.Cazuguel，B.Cochener，and C.Roux.Optimal wavelets transform for the detection of microaneurysms in retina photographs[J]，IEEE transactions on medical imaging，2008，27(9)：1230-1241.)基于模板选择方法的不同，常见的经典模板匹配算法有模板库匹配(Template Library，TL)算法和函数模板(Function Template，FT)匹配算法。

目前在微小动脉瘤的初次提取中出现的最新的匹配提取方法，其流程简单易用，但其检测结果并不理想，检测正确率偏低且误检率较高，并且对不同模式下的视网膜图像的适应性不够，甚至完全不适应某种成像模式下获得的视网膜图像。

发明内容