1 上海工程技术大学 机械与汽车工程学院，上海 201620
2 复旦大学附属眼耳鼻喉医院 眼科，上海 200031
视网膜微动脉瘤的检测对于早期发现糖尿病视网膜病变等重要疾病至关重要，但该病灶尺寸相对较小，属于眼底图像中的微小目标，现有的微动脉瘤检测算法难以实现该病灶的精准检测，为此提出了基于多特征尺度融合的改进Faster-RCNN微动脉瘤自动检测算法。该算法在Faster-RCNN网络模型的基础上，首先采用多特征尺度融合对特征提取网络与RPN结构进行改进以提高网络对于微小目标特征的利用；然后，通过感兴趣区域齐平池化以消除感兴趣区域池化过程中引入的量化误差；最后，通过对损失函数中的smooth L1损失函数进行重新设计得到平衡L1损失函数以实现损失函数优化，从而有效降低大梯度难学样本与小梯度易学样本间的不平衡问题，进而使得模型能够得到更好地训练。针对眼底图像中微动脉瘤的自动检测，将优化后的Faster-RCNN网络模型在Kaggle数据集上进行训练及测试，并与其他方法进行对比。实验结果表明，与其他各种结构的Faster-RCNN网络模型相比，所提出的基于多特征尺度融合的改进Faster-RCNN算法能显著提高检测结果（F-score与原始Faster-RCNN相比提升了9.36%）；与其他网络模型以及方法相比，所提出的基于多特征尺度融合的改进Faster-RCNN的自动检测精度明显更优。故所提出的基于多特征尺度融合的改进Faster-RCNN算法性能较优，能准确、有效地检测出眼底图像中的微动脉瘤。
眼底图像 微动脉瘤 Faster-RCNN 多特征尺度融合 深度学习 Fundus image Microaneurysms Faster-RCNN Multi feature scale fusion Deep learning
1 上海工程技术大学机械工程学院, 中国 上海 201620
2 南京航空航天大学机电学院, 江苏 南京 210016
3 江苏省中医院眼科中心, 江苏 南京 210029
为分割出眼底图像中的视盘, 构建基于眼底图像的计算机辅助诊断系统, 提出了一种基于视网膜主血管方向的视盘定位及提取方法。首先, 利用Otsu阈值分割眼底图像R通道获取视盘候选区域; 然后利用彩色眼底图像的HSV空间的H通道提取视网膜主血管并确定主血管方向; 在此基础上, 通过在方向图内寻找出对加权匹配滤波器响应值最高的点确定视盘中心位置; 最后, 利用该位置信息从视盘候选区域中“挑选”出真正的视盘。利用该方法对100幅不同颜色、不同亮度的眼底图像进行视盘分割, 得到准确率98%, 平均每幅图像处理时间1.3 s。结果表明: 该方法稳定可靠, 能快速、有效分割出眼底图像中的视盘。
眼底图像 视盘 图像分割 Otsu阈值分割 fundus images optic disc image segmentation Otsu threshold
1 上海工程技术大学机械工程学院， 上海 201620
2 南京航空航天大学机电学院， 江苏 南京 210016
3 江苏省中医院眼科中心， 江苏 南京 210029
为实现糖尿病视网膜病变（糖网）的自动筛查，建立了基于免散瞳眼底图像的糖网自动筛查方法。该方法包括视盘定位及提取、糖网白色病灶（硬性渗出、棉绒斑）自动检测以及微动脉瘤与视网膜内出血的自动检测。在此基础上设计并实现了基于免散瞳眼底图像的糖网自动筛查系统。利用已实现的系统对临床采集的7 687个样本共15 374幅眼底图像进行糖网自动筛查，对样本个体的检测结果为：灵敏度96.46%，特异性96.07%，平均处理时间57.87 s。测试结果表明，所构建的基于免散瞳眼底图像的糖网自动筛查系统满足英国糖尿病协会提出的糖网自动筛查标准（最低灵敏度80%，最低特异性95%）。
免散瞳眼底图像 糖尿病视网膜病变 自动检测 自动筛查 图像分割 non-dilated fundus images diabetic retinopathy automated detection automated screening image segmentation
1 南京航空航天大学机电学院, 江苏 南京210016
2 江苏省中医院, 江苏 南京210029
为自动检测出眼底图像中的视网膜内出血, 从而构建基于眼底图像的糖尿病视网膜病变自动筛查系统, 提出了基于多模板匹配的局部自适应区域生长法用以自动检测该病灶。 首先, 对眼底主要生理结构进行光谱特征分析, 从而为不同分割目标选取合适的RGB通道; 其次, 利用HSV空间的亮度校正以及对比度受限自适应直方图均衡方法对眼底图像进行预处理; 在此基础上利用设计好的多个模板对图像进行归一化互相关模板匹配获取该病灶候选区域; 然后, 从中去除视盘、 血管以消除相关假阳, 从而得到区域生长所需种子; 最后, 利用局部自适应区域生长法获取其精确轮廓, 从而实现该病灶的准确检测。 利用该算法对90幅不同颜色、 不同亮度、 不同质量、 不同分辨率眼底图像进行该病灶的自动检测, 实验结果表明: 该算法能快速、 有效地自动检测出眼底图像中的视网膜内出血, 且算法稳定可靠, 可满足临床需求。
视网膜内出血 光谱特征 模板匹配 区域生长 自动检测 Hemorrhages Spectral signature Template matching Region growing Automated detection
南京航空航天大学机电学院， 江苏 南京210016
基于眼底视网膜图像的糖尿病视网膜病变(糖网)自动检测不仅可使得实施大规模糖网筛查成为可能， 也可为糖网早期诊断、 及时治疗以及人眼视觉科学研究提供重要依据。 为此， 提出了基于数学形态学的糖网病灶自动检测算法： 首先利用数学形态学结合阈值分割快速提取出视盘， 在此基础上得到病灶候选区域； 然后利用形态学重建等获取精确的病灶轮廓， 从而实现病灶的准确检测。 实验结果表明， 该算法能够快速， 有效地检测出眼底视网膜图像中的糖网病灶。
眼底视网膜图像 糖尿病视网膜病变 数学形态学 光谱特征 自动检测 Fundus retinal images Diabetic retinopathy Mathematical morphology Spectralsignature Automated detection
南京航空航天大学机电学院, 江苏 南京 210016
阐述了人眼波前像差的概念及其Zernike多项式表示方法, 着重讨论了Hartmann-Shack传感器测量人眼像差的机理和人眼波前像差重建的方法, 并对人眼波前像差重建系统进行了详细设计。该技术给人眼像差的校正以及角膜“个体化切削”的实现带来了新契机。
人眼像差 Hartmann-Shack传感器 波前重建 Zernike多项式 aberration of human eye Hartmann-Shack sensor reconstruction of wavefront Zernike polynomials
南京航空航天大学机电学院, 江苏 南京210016
介绍了基于Hartmann-Shack传感器的Zernike模式法人眼波前像差重建模型和包括Gram-Schmidt正交变换﹑Householder变换和奇异值分解在内的3种算法的具体推导过程以及对比分析结论, 并利用实验测量数据进行了仿真, 结果表明3种算法精度相当, 奇异值分解算法是较为理想的人眼波前像差重建算法。
成像光学 人眼波前像差重建 Gram-Schmidt正交化 Householder变换 奇异值分解 Imaging optics Wavefront aberration reconstruction of human eye Gram-Schmidt orthogonal transformation Householder transformation Singular value decomposition 光谱学与光谱分析
2010, 30(8): 2232
