RBF神经网络和阈值分割实现视网膜硬性渗出自动检测
为自动检测出眼底图像中的硬性渗出,构建眼底图像的糖尿病视网膜病变自动筛查系统,提出一种基于RBF神经网络和阈值分割的硬性渗出自动检测方法.首先,利用基于最小类内离散度的改进Otsu分割方法对眼底图像绿色通道进行粗分割获取病灶候选区域;然后,利用logistic回归对候选区域的多个特征进行选择;最后,利用候选区域的优化特征集及相应判定结果建立RBF神经网络;此外,提出采用后处理以进一步提高检测精度.利用本文方法对50幅不同颜色、不同亮度的眼底图像进行硬性渗出自动检测,得到图像水平灵敏度100%,特异性90.9%,准确率96.0%;病灶区域水平灵敏度93.9%,阳性预测值95.5%;平均每幅图像处理时间13.6 s.结果表明本文方法稳定可靠,能快速有效地自动检测出眼底图像中的硬性渗出.
眼底图像、硬性渗出、RBF神经网络、阈值分割、自动检测
18
TP391.41(计算技术、计算机技术)
国家高技术研究发展计划863基金项目2006AA020804;中央高校基本科研业务费专项NJ20120007;江苏省科技支撑计划项目BE2010652
2013-10-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
859-865