基于混合多特征的微动脉瘤检测方法

摘要：

糖尿病性视网膜病变(DR)会严重损害糖尿病患者的视力健康,而微动脉瘤(MA)是DR的早期迹象,可为DR早期诊断提供有益信息,然而仅凭肉眼靠经验观察眼底图像,对大规模筛查难以胜任.因此自动识别和检测势在必行.应用自适应阈值分割法提取候选区域,设计联合定向局部对比度特征(DLC)与哈尔特征(Haar)等混合多特征向量,通过邻近算法(KNN)实现自动分类,并与其他机器学习的常用分类方法,如朴素贝叶斯(NB)、支持向量机(SVM)以及同方向进行了对比研究.所提出的方法在e-ophtha MA公开数据集上进行测试,获得的ROC曲线线下面积(AUC)、敏感性、特异性、FROC-Score分别为0.961 3、0.914 4、0.890 0和0.386 0.与其他方法比较,本方法在FROC曲线上取得最优结果.

关键词：微动脉瘤、糖尿病性视网膜病变、定向局部对比度、哈尔特征

所属期刊栏目：41

分类号：R318(医用一般科学)

在线出版日期：2022-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：626-630