彩色视网膜图像中有无血管分割的微动脉瘤检测效能
医学物理
2020-05-20 v1 图像与视频处理
摘要
计算机辅助诊断系统需要提取关于视网膜及其变化的合适信息。特别是,从视网膜图像中识别感兴趣对象(如病灶和解剖结构)是一个具有挑战性且迭代的过程,可通过图像处理方法完成。微动脉瘤(MAs)是由糖尿病视网膜病变(DR)引起的这类变化之一。事实上,MAs 检测是视网膜图像分析中识别 DR 的主要步骤。本研究的目的是应用一种自动方法进行 MAs 检测,并比较在有和无血管分割与掩蔽情况下正常或异常图像的检测结果。检测与分割步骤如下。第一步,我们使用顶帽变换进行预处理。我们的主要处理包括应用 Radon 变换以分割血管并对其进行掩蔽。最后,我们使用高斯拉普拉斯与卷积神经网络的组合进行 MAs 检测步骤。为评估所提方法的准确性,我们将所提方法的输出与眼科医生收集的地面真值进行比较。有血管分割时,我们的算法在本地视网膜数据库的 100 张彩色图像和公共数据集(DRIVE)的 20 张图像中,MAs 检测灵敏度超过 85%,每幅图像假阳性率为 11。而无血管分割时,我们的自动算法在两个数据库全部 120 张图像中 MAs 检测灵敏度约为 90%,每幅图像假阳性数为 73。总之,有血管分割时我们具有可接受的灵敏度和特异度,作为某些视网膜病理诊断算法的必要步骤。
引用
@article{arxiv.2005.09098,
title = {The Efficacy of Microaneurysms Detection With and Without Vessel Segmentation in Color Retinal Images},
author = {Meysam Tavakoli and Mahdieh Nazar and Alireza Mehdizadeh},
journal= {arXiv preprint arXiv:2005.09098},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:2004.09493, arXiv:2005.09097