眼底图像中硬性渗出物检测算法

目的利用眼底图像中硬性渗出物(hard exudates,HE)的亮度与边缘特征,提出一种基于Canny边缘检测算法与形态学重构相结合的HE自动检测方法,以解决目前算法灵敏度低、检测结果中视盘和血管的干扰等问题,对糖尿病视网膜病变(diabetic retinopathy,DR)的自动筛查具有重要意义。方法检测算法包括4个步骤。步骤一,图像预处理,主要包括RGB通道选取、基于形态学的图像对比度增强。步骤二,视网膜图像关键结构的消除,利用基于Gabor滤波的血管分割方法,消除血管边缘对HE检测的影响。将本文视杯分割算法应用在眼底图像红色通道上实现视盘自动分割,消除视盘及其边缘对HE检测的影响。步骤三,利用改进的Canny边缘检测算法和形态学重构方法对HE进行提取。步骤四,基于形态学的图像后处理,消除眼底图像边缘部分假阳性区域。最后利用该算法测试公开数据库中的40幅图像(35幅HE病变图像,5幅正常图像)。结果该算法对基于病变的灵敏性(sensitivity,SE)和阳性预测值(positive predictive value,PPV)分别为93.18%和79.26%,基于图像的灵敏性、特异性(specificity,SP)和准确率(accuracy,ACC)分别为97.14%、80.00%和95.00%。结论与其他方法对比,基于Canny边缘检测算法与形态学重构相结合的HE自动检测算法具有较好的可行性。

糖尿病视网膜病变自动筛查方法研究进展

糖尿病视网膜病变(diabetic retinopathy,DR)是糖尿病的严重并发症,是成年人视力下降甚至致盲的主要原因之一。适当的眼底筛查方法可预防糖尿病视网膜病变的发生,有利于疾病的早期诊断和治疗,有效降低失明率。自动的眼底图像处理是糖尿病视网膜病变的一种重要初步筛查方式,不仅可以减少人为误差,也大大减轻了眼科医生的负担。本文回顾了基于视网膜眼底数码图像的糖尿病视网膜病变自动筛查方法的研究进展,讨论了文献中多种现有技术的结果和不足,展望了其研究前景和面临的挑战,为糖尿病视网膜病变自动筛查算法的设计者提供了指导。

眼底数码图像血管分割预处理关键技术研究

目的本文以眼底图像为研究对象,针对眼底图像血管分割的预处理关键技术进行了深入的研究和探讨。方法首先通过RGB通道选择,显示出较为清晰的血管图像,并通过自适应直方图均衡化增强图像对比度。其次,利用灰度倒置和灰度增强,使细小血管更加清晰,并采用空域滤波对血管轮廓边缘进行增强。最后进行图像填充,去除背景中的噪声干扰。结果通过MATLAB仿真实验,获得了血管脉络清晰的眼底数码图像。结论本研究为血管的自动分割以及血管成分的定性和定量分析奠定了基础。

977例大学生近视影响因素分析

目的分析总结影响近视的因素,提出预防近视的方法和建议,为学校和卫生部门制订预防近视政策提供参考和依据。方法对2017年入学的大学生检查视力及屈光度,发放问卷调查,运用列联分析的方法,使用SPSS Version 21软件,分析近视眼患病率、男女生差异;调查睡眠时间、看书姿势、照明灯光的强弱对屈光参差性近视的影响;分析不同学科近视眼患病率的差异。结果 2017级学生近视眼检出率为86.84%。男女生轻、中、高度近视检出率的差异无统计学意义(χ~2=2.426,P>0.05);看书姿势与屈光参差性近视有相关性;理科生近视高于艺术生。理科生高度近视眼检出率较高。结论学生从小养成良好学习习惯,不躺着看书,不歪头看书,管理好每天近距离学习的时间,看近看远交替用眼。