-
题名视网膜血管提取算法
- 1
-
-
作者
李雪
马瑜
郭姝琪
王鹏志
-
机构
宁夏大学物理与电子电气工程学院
-
出处
《计算机工程与设计》
北大核心
2024年第12期3786-3793,共8页
-
基金
国家自然科学基金项目(62041108)。
-
文摘
为提高眼底视网膜血管分割的精确度,提出一种RAIterNet级联视网膜血管分割追踪算法,在预处理与分割网络模型阶段分别进行图像增强与精度提升。使用自适应分数阶次微分对待分割数据集进行增强提高血管图像质量,提升待分割图像血管与背景之间的对比度,利用RAIterNet模型对视网膜进行分割,基于连续性追踪方法对微弱结构的末端毛细血管进行追踪,可有效分割视网膜血管中难以分割的微细血管。算法在数据集DRIVE上进行测试,实验结果表明,Acc能够达到0.9650,F1分数为0.9006,获得了0.9807的AU-ROC曲线下面积,主观和客观结果验证了算法的有效性。
-
关键词
视网膜血管提取
卷积神经网络
递归残差卷积
注意力机制
分数阶微分
自适应分数阶增强
血管追踪
-
Keywords
retinal vessels extraction
convolution neural network
recursive residual convolution
attention mechanism
fractional order derivative
adaptive fractional order enhancement
vascular tracking
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多特征融合的有监督视网膜血管提取
被引量：21
- 2
-
-
作者
梁礼明
刘博文
杨海龙
石霏
陈新建
-
机构
江西理工大学电气工程与自动化学院
国家电网广元供电公司
苏州大学电子信息学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2018年第11期2566-2580,共15页
-
基金
国家"九七三"重点基础研究发展计划项目(2014CB748600)
国家自然科学基金(81371629
+7 种基金
61401293
61401294
81401451
81401472
51365017)
江苏省自然科学基金(BK20140052)
江西省自然科学基金资助项目(20132BAB203020)
江西省教育厅科学技术研究重点项目(GJJ170491)资助~~
-
文摘
视网膜血管提取在眼科疾病的诊断和治疗中具有重要的临床价值,但由于其拓扑结构复杂与病灶噪声等原因,现有的提取方法精度低、鲁棒性差.为此,该文提出了一种基于多特征融合的有监督学习的视网膜血管提取方法.首先提取视网膜血管的线性特征、纹理特征、矩特征、方差特征和灰度特征等作为样本特征;然后通过随机森林模型训练得到视网膜图像血管分类器,由随机森林算法初步提取血管;最后利用视网膜血管灰度分布信息和连通域信息进行血管图像后处理,进一步去除初步提取结果中的伪影和病灶等非血管成分,获得最终的视网膜血管分割图像.通过在DRIVE和STARE眼底图像数据库上的实验仿真可知,该文算法的敏感度分别为0.8354、0.8452,准确率分别为94.83%、95.34%,总体指标优于已有的视网膜血管图像分割方法.
-
关键词
视网膜血管提取
特征提取
有监督学习
随机森林
血管图像后处理
-
Keywords
retinal vessel segmentation
feature extraction
supervised learning
random forest
vessel image post-processing
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于微粒群算法的视网膜血管自动提取方法
被引量：2
- 3
-
-
作者
王润民
-
机构
湖南科技大学信息与电气工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2015年第2期177-180,共4页
-
基金
湖南省教育厅资助项目(No.11C0558)
-
文摘
针对视网膜血管网络灰度分布特征与结构特征,提出了将灰度-梯度共生矩阵最大熵与微粒群算法相结合的视网膜血管提取方法。采用Gabor滤波以增强血管图像,获取增强后视网膜图像的灰度-梯度共生矩阵,利用微粒群算法并结合灰度-梯度共生矩阵的最大熵方法进行阈值化处理,对图像进行二值化处理后根据视网膜血管具有区域连通性的特征,采用形态学方法分割出最终的血管。实验结果表明,该方法能有效地提取视网膜血管网络。
-
关键词
GABOR滤波器
微粒群算法
视网膜血管提取
灰度-梯度共生矩阵
-
Keywords
Gabor filters
particle swarm optimization
retinal vessel segmentation
gray level-gradient co-occurrence matrix
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名U-net改进的视网膜血管图像分割算法
被引量：9
- 4
-
-
作者
王原
马瑜
江妍
梁远哲
马鼎
李霞
-
机构
宁夏大学物理与电子电气工程学院
-
出处
《计算机工程与设计》
北大核心
2021年第10期2884-2893,共10页
-
基金
宁夏自然科学基金项目(NZ16009)
宁夏高等学校科学研究基金项目(NGY2016015)
+1 种基金
2018年宁夏研究生教育教学改革研究与实践基金项目(YJG201811)
宁夏大学研究生创新研究基金项目(GIP2019060)。
-
文摘
传统抽取算法在病灶、细节区域存在分割不精准的问题。改进算法对U-net深度神经网络进行改进,在网络底层加入Dense-net网络中的稠密连接方式,使用BConvLSTM来组合编码器和解码器的特征信息,结合AC-net思想提出MultiAc模块,在U-net下采样和上采样过程加入该模块,帮助网络学习更复杂的特征信息,在预测过程中提高精确率。通过在DRIVE、STARE、CHASE_DB1这3个公开眼底数据库的实验,分割结果的客观评价指标与主观视觉验证了改进算法在分割精度方面的有效性。
-
关键词
视网膜血管提取
U型网络
稠密卷积网络
双向卷积长短时记忆网络
不对称卷积网络
-
Keywords
retinal vascular extraction
U-net
dense-net
BConvLSTM
AC-net
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
