基于深度学习和二维高斯拟合的视网膜血管管径测量方法

• 作者: 刘海坤 吴帅 吴骏 尹昌顺 张凯 张震 杨嵩 王健 裴新然
• 来源期刊: 中国医学物理学杂志
• 关键词: 视网膜血管 全卷积神经网络 管径测量 二维高斯拟合
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 医学影像物理
• 页码范围: 171-179
• 页数: 9页
• 分类号: R318|TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2019.02.010

摘要

糖尿病、高血压等疾病会引起视网膜血管的形状发生变化,眼底图像血管分割是疾病定量分析过程中的关键步骤,对临床疾病的分析和诊断具有指导意义.本文提出一种视网膜血管管径自动测量方法.首先,将通道特征图叠加,同时通过使用深度可分离卷积来增加网络深度,将二者引用于全卷积神经网络中对血管网络进行分割;然后在分割的血管网络基础上,利用形态学细化和最小二乘拟合求取血管的中心线和方向;最后根据血管横截面灰度值分布特性,利用二维高斯拟合对血管中心线和方向进行校正,得到准确的血管方向和中心线位置进而计算血管管径.利用本文方法分别对REVIEW数据库中的3个图像集进行测试,测量的管径均值的标准差接近专家测量的标准差,表明本文血管管径测量方法的准确率高,实验结果验证了本文方法的准确性.