基于B-COSFIRE的混合滤波视网膜血管分割算法

计算机辅助眼底视网膜血管分割仍然是一个具有挑战性的课题。传统的视网膜血管分割通常采用单一的匹配滤波器进行血管提取,对细小血管的分割容易出现断裂、漏检的现象。针对这一问题,提出了一种融合高斯匹配滤波和B-COSFIRE滤波的视网膜血管分割算法。首先,利用视网膜图像绿色通道进行CLAHE算法预处理。然后,在匹配滤波通道,通过形态学顶帽和底帽进一步对视网膜血管对比度进行增强,计算得到匹配滤波和B-COSFIRE滤波的双通道响应。将双通道滤波相应结果阈值分割后进行融合,实现视网膜血管分割。实验结果表明,与单一滤波方法相比,提出的算法能够有效提升视网膜血管分割的灵敏度和精度。

低尺度血管检测在视网膜血管分割中的应用

视网膜图像分析成为目前诊断多种疾病非侵入的主要方式,其中血管的提取是最重要的一步。监督学习的方法在血管提取上有很好的效果,为了进一步提高检测的精度,提出了低尺度血管检测(LVD)算法。该网络除了有一个提取输入原尺度下特征的子网络外,还增加了两个低尺度下的特征提取子网络,并将低尺度下的单一输出融合原尺寸下的特征,降维后得到最后的输出结果。考虑到眼底血管结构特性,在LVD中设计了具有较深层数和较少参数的非对称固定深度子网络(ADS)。在公共的数据库DRIVE中进行测试,仅采用彩色眼底图像的绿色分量和B-COSFIRE滤波响应作为特征输入,其敏感性、特异性、准确率以及AUC指标分别为0.819 2、0.984 2、0.969 5、0.978 2,达到了先进水平。

基于匹配滤波引导局部特征空间仿射传播聚类的视网膜血管分割

视网膜血管自动分割及形态分析对眼部相关疾病的诊断和筛查具有重要意义。文章提出基于匹配滤波引导局部特征空间仿射传播聚类的视网膜血管分割方法,构造基于组合线性检测器、Hessain最大本征值、Gabor滤波和B-COSFIRE滤波四维特征,每个像素可由四维局部特征向量表示。然后采用匹配滤波引导选取样本像素点构成小样本集,在小样本集中进行局部特征空间的仿射传播聚类,得到血管类和背景类两个聚类中心。对眼底所有像素点与血管类和背景类两个聚类中心的特征空间距离采用最近邻方法进行类别划分,实现对视网膜血管的自动分类。实验数据来源于DRIVE眼底图像库,验证了本文方法对于细小血管及血管分叉和交叉处的性能有较大的提升,改善了提取血管的完整性和连续性。

基于改进匹配滤波的视网膜血管分割

视网膜血管的形态学结构能够为眼底疾病早期诊断和后续治疗提供重要依据。匹配滤波分割视网膜血管算法,简单快捷,能有效提取视网膜血管的整体轮廓,但对于含有重要医学诊断信息的细小血管及血管分支交叉点的分割存在漏检现象。由此,文章提出了基于线模板滤波和B-COSFIRE改进匹配滤波的视网膜血管分割算法。该方法利用匹配滤波分割出粗血管,再利用宽度为单个像素的线模板滤波器探测到细小血管,并通过B-COSFIRE提取血管分叉点和交叉点信息;最后将三者分割结果图采用或操作进行融合。文章通过对DRIVE和STARE库中眼底图像的分割实验,证明该算法能有效改善匹配滤波视网膜血管分割性能。

基于局部特征空间自适应均值移位聚类的视网膜血管分割

视网膜血管分割在糖尿病、心血管等疾病的计算机辅助筛查和诊断方面有重要意义。文章提出一种基于局部特征空间自适应均值移位聚类的视网膜血管分割方法。首先对预处理后的视网膜图像提取Hessian最大本征值、Gabor小波、B-COSFIRE滤波特征构建3维眼底图像像素特征,在所构建的局部特征空间执行自适应带宽均值移位聚类,对聚类结果的三个特征分量的平均图进行二值化处理,进而实现视网膜血管分割。实验表明,在DRIVE眼底图像数据库上其准确率、灵敏度、特异性分别为94.40%、78.63%、97.08%,所分割的视网膜血管有较好的连续性和完整性。