基于混合多特征的微动脉瘤检测方法  

Microaneurysm Detection Method Based on Mixed Multi-Features

作　　者：龙胜春[1] 胡安特 陈芝清[2] Long Shengchun;Hu Ante;Chen Zhiqing(College of Computer Science and Technology,Zhejiang University of Technology,Hangzhou 310023,China;Eye Center,Affiliated Hospital of Zhejiang University School of Medicine,Hangzhou 310009,China)

机构地区：[1]浙江工业大学计算机科学与技术学院,杭州310023 [2]浙江大学附属第二医院眼科中心,杭州310009

出　　处：《中国生物医学工程学报》2022年第5期626-630,共5页Chinese Journal of Biomedical Engineering

摘　　要：糖尿病性视网膜病变(DR)会严重损害糖尿病患者的视力健康,而微动脉瘤(MA)是DR的早期迹象,可为DR早期诊断提供有益信息,然而仅凭肉眼靠经验观察眼底图像,对大规模筛查难以胜任。因此自动识别和检测势在必行。应用自适应阈值分割法提取候选区域,设计联合定向局部对比度特征(DLC)与哈尔特征(Haar)等混合多特征向量,通过邻近算法(KNN)实现自动分类,并与其他机器学习的常用分类方法,如朴素贝叶斯(NB)、支持向量机(SVM)以及同方向进行了对比研究。所提出的方法在e-ophtha MA公开数据集上进行测试,获得的ROC曲线线下面积(AUC)、敏感性、特异性、FROC-Score分别为0.9613、0.9144、0.8900和0.3860。与其他方法比较,本方法在FROC曲线上取得最优结果。

关 键 词：微动脉瘤 糖尿病性视网膜病变 定向局部对比度 哈尔特征 

分 类 号：R587.2[医药卫生—内分泌] TP391.41[医药卫生—内科学]