基于RAU-net的视网膜OCT图像快速自动分层研究

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习.由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像.结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s.通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法.

通过光学相干断层扫描图像进行自动视网膜分割评估黄斑水肿的投影面积

本文提出一种自动视网膜分割方法,以评估光学相干断层扫描(OCT)图像中黄斑水肿(ME)在视网膜特定层上的投影面积.首先使用基于权重矩阵的优化最短路径最快算法对10个视网膜层边界进行分割,这有效降低了算法对血管阴影的敏感性.然而,ME的存在将导致水肿区域的分割不准确.因此,使用强度阈值方法提取每个OCT图像中的水肿区域,并将该区域中的值设置为零,并确保获得的分割边界可以自动穿过而不是绕过水肿区域.同时使用最小值投影来计算ME在不同层的投影面积.为了测试该方法,使用了从Topcon OCT机器收集的数据.在轴向和B扫描方向上测得的黄斑区域分辨率分别为11.7μm和46.8μm.与手动分割相比,视网膜层边界分割的平均绝对误差和标准偏差为(4.5±3.2)μm.因此,所提出的方法为评估水肿提供了一种自动、无创和定量的工具.

两种单相桥式整流电路的比较研究

研究了单相桥式全控和不控两种整流电路,首先分析了单相桥式全控整流电路带反电动势电路的工作原理,然后分析了单相桥式不控整流电路带电容滤波的工作原理,最后在Matlab/Simulink中对两种电路进行了建模和仿真,通过对仿真结果的比较分析得出两种整流电路的负载电压都不会出现为零的情况。

基于双摄像机瞳孔距离定位研究

针对在眼底筛查仪器进行眼底成像诊断过程中的瞳孔自动识别、距离定位问题,提出了一种基于双摄相机对瞳孔进行距离定位的方法,在红外LED(中心波长850nm)光照环境下,通过左右摄像头分别捕获两张图像,利用背景与瞳孔的像素值之间的巨大差异,经过中值滤波、阈值分割、形态学运算等图像预处理,获得瞳孔轮廓边缘,再进行最小二乘法椭圆拟合,求得椭圆中心点坐标,然后使得瞳孔处于两个摄像机的基线中线上,最后根据透镜成像原理求得两摄像机基线与眼球的距离,从而实现对瞳孔中心距离定位,实验结果表明,瞳孔距离定位误差为±2mm以内。