利用形态学级联决策树检测视网膜图像中的糖尿病异常
图像与视频处理
2020-01-08 v1 计算机视觉与模式识别
摘要
本研究旨在开发一种高效的糖尿病视网膜病变筛查系统。糖尿病视网膜病变是致盲的主要原因。糖尿病视网膜病变的严重程度由一些特征识别，如血管面积、渗出物、出血和微动脉瘤。为了对疾病分级，筛查系统必须有效检测这些特征。本文我们提出一种简单快速的糖尿病视网膜病变检测方法。我们对灰度图像进行预处理，并找出图像中所有标记的连通分量（团块），无论其是出血、渗出物、血管、视盘还是其他任何东西。然后我们应用一些约束，如紧致度、团块面积、强度和对比度，以筛查导致糖尿病视网膜病变的候选连通分量。我们通过一些后处理得到最终结果。结果通过与真值比较进行评估。性能通过查全率（灵敏度）度量。我们取了 10 张尺寸为 500 * 752 的图像。平均查全率为 90.03%。
引用
@article{arxiv.2001.01953,
title = {Detection of Diabetic Anomalies in Retinal Images using Morphological Cascading Decision Tree},
author = {Faisal Ghaffar and Sarwar Khan and Bunyarit Uyyanonvara and Chanjira Sinthanayothin and Hirohiko Kaneko},
journal= {arXiv preprint arXiv:2001.01953},
year = {2020}
}