【阅读论文】博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病--第二章

【阅读论文】博-自动化眼底图像分析技术可筛查糖尿病患者的视网膜疾病

 

（1）评估和改善图像质量，（2）病变分割，（3）眼底病诊断

（1）：ELVD质量指标

  利用脉管系统和基于颜色的特征对数字图像的质量进行数字估计；此外，通过合并多个眼底图像（通过改变患者的凝视点来捕获）中收集的信息来提高图像质量并消除反射伪影。

（2）：针对两个病变家族：渗出液和微动脉瘤

提出了两种针对单眼底图像的新算法，并与现有技术进行了比较，以证明其有效性。在微动脉瘤的情况下，开发了一种新的基于Radon变换的算子。在最后的诊断类别中，我们开发了一种算法，可根据分割的病变诊断糖尿病性视网膜病变和糖尿病性黄斑水肿。

（3）：根据分割的病变诊断糖尿病性视网膜病变和糖尿病性黄斑水肿

• 读图：

第二章：眼底图像的正常结构与异常结构

第三章：眼底图像质量示例及结构分割示例

第四章：数据集及渗出分割简介

第五章：微血管瘤分割及测试

第六章：DME和DR示例

第七章：眼底图像处理及重建

第八章：获取方法

• 读表：

第二章：公共信息

第三章：ELVD质量评定统计数据

第四章：HEI-MED数据集分布

第六章：DME统计数据

第八章：增强后图像质量分数

1.简介

1.1目标和主题

简述糖尿病对人体的危害。本文的主题是扩展和利用摄像机的功能，使之以较低的成本和高自动化水平检测糖尿病引起的视网膜病变。

（1）开发一套自动评价眼底图像质量的算法；

（2）开发一套以最先及技术为基础的分割渗出的算法；

（3）开发一套在其他情况下能检测微血管瘤的算法；

（4）评价在糖尿病视网膜病变检查中算法的性能；

1.2论文概述

第2章：介绍了生物学信息，成像技术以及现有的眼底图像分析技术；

第3章：介绍了一种自动评估眼底图像质量的算法；

第4章：介绍了分割渗出的方法；

第5章：介绍了微动脉瘤的定位方法；

第6章：利用分割出的病变检测DR和糖尿病性黄斑水肿；

第7章：介绍了检测黄斑肿胀的新技术；

第8章：介绍了眼底图像增强的方法。

2.背景和重要性

2.1眼睛和眼底

• 2.1.1视网膜和脉络膜分为一下几层：

（1）内部限制膜或限制膜

（2）神经纤维层：包含神经节细胞的轴突，可传输信号到大脑的视觉皮层。在年轻的视网膜中，这一层要厚得多，随着年龄的增长，它会慢慢变薄。作为内层的血管，这种纤维不存在中央凹上以允许所有光子没有障碍的到达视杆细胞。

（3）神经节细胞层包含神经节细胞的主体

（4）内部丛状层包含双极细胞的轴突和无长突细胞。

（5）内核层包含双极和水平细胞的细胞体。

（6）外丛状层包含感光细胞的内部部分和水平细胞的树突。

（7）外核层包含感光细胞体

（8）外部限制膜或外部膜限制

（9）色素上皮，它是视网膜的最后一层。它是给人一种每个人视网膜的颜色（色素）不同

（10）布鲁赫膜，脉络膜的第一层。

（11）毛细血管脉络膜包含所有提供主要来源的血管视网膜营养素.

（12）脉络丛，脉络膜的最后一层。

• 2.1.2视网膜成像技术（5种）：

        眼底立体摄影：同时将两个或多个视角眼底是通过该工具获得的。这可以由眼科医生感知深度。

        高光谱成像：这是不使用可见光的眼底照相机，但可以选择特定的波段。用于特殊用途，例如血氧饱和度测定法，可量化血液中的氧气含量。

        荧光素血管造影（荧光素 眼底血管造影术(fluorescein fundus angiography ， FFA)  ）：是由血管生成的光子的眼底图像造影剂注入患者的血流中。荧光素或吲哚菁绿色荧光团是通常使用的试剂。

 

        扫描激光检眼镜