用于提取视网膜图像血管连接的5维核曲率积分方法
计算机视觉与模式识别
2017-06-27 v3
摘要
树状结构（如视网膜图像）在大规模筛查项目的计算机辅助诊断系统中被广泛研究。尽管文献中提出了多种分割和追踪方法，但在两个或多个曲线结构交叉或分叉，或存在中断线条或高度弯曲血管的情况下，仍存在若干局限性。本文提出了一种基于多方向分数并结合上下文亲和矩阵的新方法，两者均受初级视觉皮层（V1）的几何结构及其上下文连接的启发。连通性用一个五维核来描述，该核是Fokker-Planck方程的基本解，该方程模拟了在位置、方向、曲率和强度提升空间中的皮层连通性。该核进一步用于自调节谱聚类步骤，以识别刺激中的主要感知单元。所提方法在一组合成图像和真实视网膜斑块中的多个简单和具有挑战性的结构上进行了验证。定量和定性结果表明，该方法能够克服当前最先进技术的局限性。
引用
@article{arxiv.1608.08049,
title = {Curvature Integration in a 5D Kernel for Extracting Vessel Connections in Retinal Images},
author = {Samaneh Abbasi-Sureshjani and Marta Favali and Giovanna Citti and Alessandro Sarti and Bart M. ter Haar Romeny},
journal= {arXiv preprint arXiv:1608.08049},
year = {2017}
}