10.3969/j.issn.0258-8021.2013.03.08
改进的快速FCM及SVM实现糖网白色病灶的自动检测
为构建基于眼底图像的糖尿病视网膜病变(糖网)自动筛查系统,提出一种基于改进的快速FCM(IFFCM)及SVM的糖网白色病灶自动检测算法.首先,利用改进的快速FCM算法,对彩色眼底图像进行粗分割获取糖网白色病灶候选区域,由于该算法将中值滤波添加到FCM算法的准则函数中,同时利用K-means算法的聚类结果对FCM进行聚类中心初始化,使得该算法克服了传统FCM算法计算复杂度高以及对噪声敏感的缺点;其次,采用两层级联分类结构的SVM对候选区域进行分类,即先利用SVM根据候选区域的特征集将白色病灶提取出来,再利用SVM根据另外的特征集将白色病灶中的硬性渗出与棉绒斑区分开,从而实现眼底图像中糖网白色病灶的自动检测.利用该方法对65幅眼底图像进行糖网白色病灶的自动检测,得到图像水平灵敏度100%,特异性95.0%,准确率98.46%;病灶区域水平(硬性渗出/棉绒斑)灵敏度96.42%/97.15%,阳性预测值90.03%/91.18%;平均一幅图像处理时间35.56 s.结果表明:将改进的快速FCM算法所提供的良好粗分割结果与识别率较高的分类器SVM相结合,使得对糖网白色病灶的自动检测结果较优,即该算法能够高效地自动检测出眼底图像中的糖网白色病灶.
眼底图像、糖尿病视网膜病变、模糊C-均值(FCM)、支持向量机(SVM)、自动检测
32
R318;TP391.41(医用一般科学)
国家高技术研究发展计划863计划2006AA020804;中央高校基本科研业务费专项南航NJ20120007;江苏省普通高校研究生科研创新计划CXLX11_0218
2013-08-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
305-312