×
D.J.J.法内尔。;F.N.哈特菲尔德。;诺克斯，P。;雷克斯，M。;斯宾塞，S。;D.帕里。;哈丁，S.P。

通过应用多尺度线操作符增强数字眼底照片中的血管。 （英语） Zbl 1172.92359号

J.富兰克林研究所。 345，第7期，748-765（2008）.
摘要：我们使用多尺度线算子（MSLO）在数字眼底图像中分割血管。另外，为了提供与MSLO的结果相比较的结果，使用了中值滤波技术。使用彩色图像的绿色通道，随后使用简单的“随机种子”区域生长算法进一步增强两组结果。
我们将此方法应用于两组视网膜图像，即ARIA(http://www.eyeharity。\breakcom/aria在线/)和凝视(http://www.ces.clemson.edu/~ahoover/凝视/)视网膜图像
档案。ARIA数据集包含健康受试者、糖尿病受试者和年龄相关性黄斑变性（AMD）受试者的眼底彩色图像。同样，STARE数据集包含“正常”（即健康）和“异常”（即患病）眼睛的图像。视网膜图像解释专家对ARIA和STARE数据集中所有图像的血管结构进行手动分割。这些图像被视为我们的黄金标准。
测定了接收器-操作器特性（ROC）曲线，并获得了ROC曲线下的面积（AZ）。与仅使用基本阈值（ARIA AZ=0.608；STARE AZ=0.753）相比，我们的MSLO算法在整个数据集上的效率有了很大提高（ARIA A Z=0.899；STARE A Z=0.953）。有趣的是，继区域增长之后的简单中值滤波算法也表现良好（ARIA AZ=0.888；STARE AZ=0.947）。我们的结果与之前针对STARE数据集进行的分割程序的结果进行了比较。正如预期的那样，ARIA健康对照组和STARE正常受试者的结果最佳。

引用于2文件

MSC公司：

92 C55 生物医学成像和信号处理
94A08型 信息与通信理论中的图像处理（压缩、重建等）
92 C50 医疗应用（通用）

关键词：

血管分割;数字眼底照片;多尺度线算子
PDF格式BibTeX公司 XML格式引用
\textit{D.J.J.Farnell}等人，J.Franklin Inst.345，No.7，748--765（2008；Zbl 1172.92359）
全文： 内政部

参考文献：

[1] Kirbas，C。；Quek，F.H.，血管提取技术和算法综述，ACM计算。调查。，36, 81-121 (2004)
[2] 尼梅杰，M。；斯塔尔，J。；van Ginnekan，B。；Long，M。；Abramoff，M.D.，在一个新的公开数据库上对视网膜血管分割方法的比较研究，Proc。SPIE医学成像，5370648-656（2004）
[3] 平茨，A。；Bernogger，S。；达特林格，P。；Kruger，A.，人类视网膜测绘，IEEE Trans。医学成像，17，606-619（1998）
[4] Y.Wang，S.C.Lee，视网膜图像中血管自动检测的快速方法，摘自：《第三十届Asilomar信号、系统和计算机会议记录》，第2卷，1997年，第1700-1704页。；Y.Wang，S.C.Lee，《视网膜图像中血管自动检测的快速方法》，载于：《第三十一届阿西洛马信号、系统和计算机会议记录会议记录》，第2卷，1997年，第1700-1704页。
[5] 蒋，X。；Mojon，D.，通过基于验证的多阈值探测实现自适应局部阈值，应用于视网膜图像中的血管检测，IEEE Trans。模式分析。机器。智力。，25, 131-137 (2003)
[6] Wu，D。；张，M。；Liu，J.-C。；Bauman，W.，《视网膜图像中血管的自适应检测》，IEEE Trans。生物识别。工程，53，341-343（2006）
[7] H.Li，O.Chutatape，眼底图像特征提取，载于：第22届EMBS国际年会论文集，2000年，第3071-3073页。；H.Li，O.Chutatape，眼底图像特征提取，载《第22届EMBS国际年会论文集》，2000年，第3071-3073页。
[8] 南部乔杜里。；Chatterjee，S。；北卡罗来纳州卡茨。；尼尔森，M。；Goldbaum，M.，《使用二维匹配滤波器检测视网膜图像中的血管》，IEEE Trans。医学成像，8263-269（1989）
[9] O.Chutatape，L.Zeng，S.Krishman，通过匹配高斯和卡尔曼滤波器进行视网膜血管检测和跟踪，收录于：IEEE医学和生物学会工程第20届国际年会论文集，第20卷，1998年，第3144-3149页。；O.Chutatape，L.Zeng，S.Krishman，通过匹配高斯和卡尔曼滤波器进行视网膜血管检测和跟踪，收录于：IEEE医学和生物学会工程第20届国际年会论文集，第20卷，1998年，第3144-3149页。
[10] Gang，L。；俄克拉荷马州丘塔塔佩。；Krishnan，S.M.，《使用振幅修正二阶高斯滤波器检测和测量眼底图像中的视网膜血管》，IEEE Trans。生物识别。工程，49，168-172（2002）
[11] Hsu，H.L。；Lee，W.M.L。；Wong，T.Y.，视网膜血管口径自动分级，IEEE Trans。生物识别。工程师，52，1352-1355（2005）
[12] D.Satyarthi，M.R.Kumar，S.Dandapat，眼底图像中血管的高斯强度分布模型，收录于：IEEE INDICON 2005年会议论文集，2005年，第228-232页。；D.Satyarthi，M.R.Kumar，S.Dandapat，眼底图像中血管的高斯强度分布模型，收录于：IEEE INDICON 2005年会议论文集，2005年，第228-232页。
[13] 胡佛医学博士。；库兹涅佐娃，V。；Goldbaum，M.，通过匹配滤波器响应的分段阈值探测在视网膜图像中定位血管，IEEE Trans。医学成像，19203-210（2000）
[14] Zana，F。；Klein，J.-C.，《使用数学形态学和曲率评估的类容器图案分割》，IEEE Trans。图像处理。，10, 1010-1019 (2001) ·Zbl 1061.68582号
[15] 门登萨，a.M。；Campilho，A.，《通过结合中心线检测和形态学重建来分割视网膜血管》，IEEE Trans。医学成像，25，1200-1213（2006）
[16] 马丁内斯·佩雷斯，医学博士。；A.D.休斯。；Thom，S.A。；Bharath，A.A。；Parker，K.H.，无红和荧光素视网膜图像血管分割，医学图像分析。，11, 47-61 (2007)
[17] 斯塔尔，J。；Abràmoff，医学博士。；内梅耶，M。；Viergever，医学硕士。；van Ginneken，B.，视网膜彩色图像中基于脊线的血管分割，IEEE Trans。医学成像，23，501-509（2004）
[18] N.M.Salem，A.K.Nandi，使用尺度空间特征和K近邻分类器分割视网膜血管，摘自：IEEE声学、语音和信号处理国际会议论文集，ICASSP 2006年，第2卷，2006年，pp.1001-1004。；N.M.Salem，A.K.Nandi，使用尺度空间特征和K近邻分类器分割视网膜血管，收录于：IEEE声学、语音和信号处理国际会议论文集，ICASSP 2006，第2卷，2006年，第1001-1004页。
[19] Vermeer，K.A。；沃斯·F·M。；Lemij，H.G。；Vossepoel，A.M.，一种基于模型的视网膜血管检测方法，计算机。生物医学，34209-219（2004）
[20] 托利亚斯，Y.A。；Panas，S.M.，基于模糊聚类的视网膜图像模糊血管跟踪算法，IEEE Trans。医学成像，17，263-273（1998）
[21] M.Martinez-Perez，A.Hughes，A.Stanton，S.Thom，A.Bharath，K.Parker，视网膜血管特征的尺度空间分析，收录于：医学图像计算和计算机辅助干预-MICCAI 1999，第90-97页。；M.Martinez-Perez，A.Hughes，A.Stanton，S.Thom，A.Bharath，K.Parker，视网膜血管特征的尺度空间分析，收录于：医学图像计算和计算机辅助干预-MICCAI 1999，第90-97页。
[22] A.F.Frangi，W.J.Niessen，K.L.Vincken，M.A.Viergever，多尺度血管增强滤波，收录于：《医学图像计算与计算机辅助干预-MICCAI 1998》，第130-137页。；A.F.Frangi，W.J.Niessen，K.L.Vincen，M.A.Viergever，多尺度血管增强滤波，收录于：《医学图像计算和计算机辅助干预-MICCAI 1998》，第130-137页。
[23] 里奇，E。；Perfetti，R.，使用线性算子和支持向量分类的视网膜血管分割，IEEE Trans。医学成像，261357-1365（2007）
[24] R.Zwiggelaar和C.R.M.Boggis，了解乳房X光图像中线性结构的益处，收录于：《2002年医学图像理解与分析学报》，第73-76页。；R.Zwiggelaar和C.R.M.Boggis，了解乳房X光图像中线性结构的益处，收录于《2002年医学图像理解与分析学报》，第73-76页。
[25] R.Zwiggelaar，T.C.Parr，C.J.Taylor，《在数字乳房X光图像中寻找定向线模式》，载于《第七届英国机器视觉会议论文集》，1996年，第715-724页。；R.Zwiggelaar、T.C.Parr、C.J.Taylor，《在数字乳房X光图像中寻找定向线模式》，载于《第七届英国机器视觉会议论文集》，1996年，第715-724页。
[26] R.Marti，R.Zwiggelaar，C.Rubin，基于线性结构的乳房X光片自动注册，见：医学成像中的信息处理，计算机科学讲义，第2082卷，斯普林格，海德堡，2001年，第162-168页。；R.Marti，R.Zwiggelaar，C.Rubin，基于线性结构的乳房X光片自动注册，见：医学成像中的信息处理，计算机科学讲义，第2082卷，斯普林格，海德堡，2001年，第162-168页·Zbl 0982.68567号
[27] Zwiggelaar，R。；Astley，S.M。；博吉斯，C.R。；Taylor，C.J.，《乳房X射线照相图像中的线性结构：检测和分类》，IEEE Trans。医学成像，231077-1086（2004）
[28] E.M.Hadley，E.R.E.Denton，R.Zwiggelaar，基于解剖线性结构的乳房X光检查风险评估，见：数字乳房X光摄影，计算机科学讲义，第4046卷，斯普林格，海德堡，2006年，第626-633页。；E.M.Hadley，E.R.E.Denton，R.Zwiggelaar，基于解剖线性结构的乳房X光检查风险评估，见：数字乳房X光摄影，计算机科学讲义，第4046卷，斯普林格，海德堡，2006年，第626-633页。
[29] 糖尿病视网膜病变筛查程序设计的基本要素。工作手册3，3.21版，英国国家糖尿病视网膜病变筛查委员会，2004年。；设计糖尿病视网膜病变筛查程序的基本要素。工作手册3，3.21版，英国国家糖尿病视网膜病变筛查委员会，2004年。
[30] Salem N.M.，A.K.Nandi，彩色眼底图像的新型预处理，摘自：2005年第三届信号处理医学应用国际研讨会论文集（参考号2005-1119），第23-27页。；Salem N.M.，A.K.Nandi，彩色眼底图像的新型预处理，摘自：第三届信号处理医学应用国际研讨会论文集，2005年（参考号2005-1119），第23-27页·Zbl 1115.92039号
[31] 新墨西哥州塞勒姆。；Nandi，A.K.，红色通道在彩色眼底图像预处理中的新的自适应贡献，富兰克林研究所杂志，243-256（2007）·Zbl 1115.92039号
[32] K.A.Goatman、A.D.Whitman、A.Manivannan、J.A.Olson、P.F.Sharp，视网膜图像的颜色标准化，收录于《2003年医学图像理解与分析学报》，第49-52页。；K.A.Goatman、A.D.Whitman、A.Manivannan、J.A.Olson、P.F.Sharp，视网膜图像的颜色标准化，收录于《2003年医学图像理解与分析学报》，第49-52页。
[33] 北卡罗来纳州帕尔。；Pal，S.K.，图像分割技术综述，模式识别。，26, 1277-1294 (1993)
[34] 特里尔，O.D。；Taxt，T.，文档图像二值化方法的评估，IEEE Trans。模式分析。机器。智力。，17, 312-315 (1995)
[35] Yen，J.-C。；Chang，F.-J。；Chang，S.，自动多级阈值的新标准，IEEE Trans。医学影像学，4370-378（1995）
[36] Yin，P.-Y.，使用确定性强化学习和受控随机化的基于最大熵的最佳阈值选择，信号处理。，82, 993-1006 (2002) ·Zbl 0995.68082号
[37] 曹，L。；史振康。；程东光，快速自动多级阈值法，电子。莱特。，38, 868-870 (2002)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。