蔡轶珩 高旭蓉 邱长炎 崔益泽



一种混合特征高效融合的视网膜血管分割方法

蔡轶珩*高旭蓉 邱长炎 崔益泽

(北京工业大学信息学部 北京 100124)

将机器学习运用到视网膜血管分割当中已成为一种趋势，然而选取什么特征作为血管与非血管的特征仍为众所思考的问题。该文利用将血管像素与非血管像素看作二分类的原理，提出一种混合的5D特征作为血管像素与非血管像素的表达，从而能够简单快速地将视网膜血管从背景中分割开来。其中5D特征向量包括CLAHE (Contrast Limited Adaptive Histgram Equalization)，高斯匹配滤波，Hesse矩阵变换，形态学底帽变换，B-COSFIRE(Bar-selective Combination Of Shifted FIlter REsponses)，通过将融合特征输入SVM(支持向量机)分类器训练得到所需的模型。通过在DRIVE和STARE数据库进行实验分析，利用Se, Sp, Acc, Ppv, Npv, F1-measure等常规评价指标来检测分割效果，其中平均准确率分别达到0.9573和0.9575，结果显示该融合方法比单独使用B-COSFIRE或者其他目前所提出的融合特征方法更准确有效。

机器学习；视网膜；血管分割；特征向量；支持向量机

1 引言

青光眼和白内障、糖尿病等疾病都会造成视网膜眼底血管的病变，如果不能对视网膜病变患者及时治疗，常会导致长期患有这些疾病的患者承受巨大痛苦甚至失明。因此定期做眼底检查很重要，然而目前视网膜病是由专科医生来人工诊断，首先对患者的眼底图像进行手工血管标记，然后再测量所需的血管口径、分叉角度等参数。其中手工标记血管的过程大概需要两个小时左右，因此，自动化提取血管对节约人力物力尤为重要，在减轻专科医生负担的同时更有效解决了偏远地区缺乏专科医生的问题。……