视网膜血管提取算法研究与拓展
【摘要】视网膜血管提取是眼科计算机辅助诊断和大规模疾病筛查系统的基础，当眼器官发生视觉疾病的时候，网膜血管的直径、颜色和弯曲程度等就会出现异常，眼科医生可以据此作出诊断。医疗上对血管图像进行提取分割的常用方法有：基于血管跟踪的方法、基于匹配滤波的方法、基于形态学处理的方法、基于形变模型的方法、基于机器学习的方法等。本研究将探索并比较其中的2-3种方法，用以对眼底光学相干断层血管成像(OCTA, Optical coherence tomography angiography)结果进行血管的提取、分割和疾病预判。
【关键词】血管提取 视网膜 图像分割 光学相干断层 滤波
【Abstract】Retinal vascular extraction is the basis of computer-aided diagnosis of ophthalmology and large-scale disease screening system, when the eye organ visual disease, retinal vascular diameter, color and degree of bending and so there will be abnormal, the ophthalmologist can make a diagnosis accordingly . Common medical methods of extracting and dividing blood vessel images are based on the methods of vascular tracking, matched filtering, morphological-based methods, deformation-based methods and machine learning methods. This study explores and compares 2-3 of these methods for vascular extraction, segmentation, and disease prediction of ocular optical coherence tomography angiography.
【Keywords】Vessel Extraction;Retina;Image segmentation;OTC;Filter
1 引言
近年来，研究人员发现动脉或静脉树中视网膜血管的变化与一些公共健康问题有关，比如糖尿病型视网膜病是当今世界许多失明患者的主要病因。自动评估动脉和静脉微妙变化的首要条件，是要将这些血管准确地相互分开。由于除了受颜色变化和照明不均匀影响之外，在视网膜内和视网膜内图像动脉和静脉之间还具有高度的相似性，让这项任务变得艰巨[1]。
在过去的几十年中，随着计算机技术的进步，在医学图像的计算机辅助诊断方面进行了重要的研究，以提高临床医生对视网膜医学图像分析的信心。使用计算机分析方法研究视网膜医学图像具有科学和临床重要性，因为了解视网膜血管网可能有助于改善视网膜疾病的特定治疗。曲折是一种几何不规则性，可以被定义为在血管过程中产生的曲率和扭曲或扭结的度量。血管迂曲是沿着血管长度的曲率累积的结果。受该血管迂曲影响的特定血管中的血液动力学流动。许多类型的疾病可以通过研究视网膜血管侵蚀性来预测，如高血压性视网膜病，动脉粥样硬化和早产儿视网膜病（ROP）。这些疾病的早期发现可以得到有效治疗。否则，患者可能会失明[2]。
2 文献综述
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
