基于纹理特征的糖网临床前期眼底自发荧光图像识别
及时发现和干预潜在的糖尿病视网膜病变患者,对帮助提升糖尿病患者的整体视觉质量和降低医疗成本具有十分积极的意义.由于糖尿病视网膜病变临床前期和正常人的眼底荧光图像在视觉感观基本上没有差别,为此本文通过目前应用较广的纹理特征算法和支持向量机对这两组图像进行了模式识别.通过将185张眼底荧光图片十折交叉检验发现,LBP算法对其具有很好的识别效果.等价模式下的59维LBP算子的十折交叉准确率达到了91.89%,同时在测试集和训练集以1:1随机划分的情况下,由训练集数据所生成的模型对测试集中92张眼底荧光图像的识别准确率达到了88.12%,AUC值为0.943.
糖尿病视网膜病变、眼底自发荧光图像、纹理特征、交叉检验、AUC
28
国家自然科学基金11005081;温州市公益性科技计划2017Y0132
2019-03-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
251-255