基于图自适应视网膜图像中动脉静脉分类方法要点分析.doc

基于图自适应视网膜图像中动脉/静脉分类方法 摘要——视网膜血管分类成动脉/静脉（A/V）对于自动检测血管变化，和与一些全身性疾病例如糖尿病相关的标志，高血压，和其它心血管疾病的特性计算来说是一个重要的阶段。本文提出了一种自动方法用于A / V分类，基于从视网膜血管提取的曲线图的分析。这个提出的方法对整个血管树进行分类，取决于每个交叉点的类型（图节点）和分配两个标签中的一个给每个血管分割段（图链接）。最终的A / V血管分割段进行分类是通过组合基于图的标记结果，这些标记结果带有一系列强度特性。该提出的方法的结果和人工标记的三个公共数据库相比较。 数据库INSPIREAVR，DRIVE,VICAVR的图像获得的精确度分别是88.3%，87.4%，和89.85。这些结果证明了我们的方法用于A/V分类由于近期的方法。 关键词：动脉/静脉分类，图形，视网膜图像，血管分割 介绍 利用数字图像分析方法自动检测视眼底的网膜病变有巨大的潜在好处。比目前以观测为基础的方法好，它允许在更短的时间检测大量的图像，以更低的成本和减小的主体。另一个优点是执行自动筛查病理条件的可行性，如糖尿病性视网膜病变，可以减少训练有素的手动需要的工作量[1]。视网膜血管受到一些全身性疾病的影响，即糖尿病，高血压和血管疾病。在糖尿病性视网膜病变中，血管在早期阶段常常表现出异常[2]，以及血管直径的改变[3]。视网膜血管的变化，如显著扩张和主要动脉，静脉和其分支延伸[3]，[4]，也经常与高血压和其他心血管病变有关。 测量与血管变化相关的几个特征性体征，目的在于评估一些视网膜条件的阶段和严重程度。广义小动脉狭窄，这是负相关的更高的血压水平[5]，[6]，通常是由小动脉到微静脉直径比（AVR）表示。在以前的社区动脉粥样硬化风险（ARIC）研究表明，一个更小的视网膜AVR可能是偶发性卒中的中年人个人的独立预测因[7]。AVR的值也可以是其他病的一个指标，如糖尿病性视网膜病变和过早视网膜病变[8]。在其他图像处理操作中，AVR值的估计需要血管分割，准确的血管宽度测量和动脉/静脉（A / V）的分类[9]，[10]。因此，任何自动AVR测量系统必须准确地识别哪些血管是动脉，哪些血管是静脉，因为轻微的分类错误对最终值影响很大。 一些工作在血管分类中已经多次提出[11] - [17]，但视网膜血管自动分类成动脉和静脉只得到有限的关注，在视网膜图像分析领域仍然是一项开放的任务。在近几年，图形已成为一个统一的表示用于图像分析，和基于图的方法已经被用于视网膜血管分割[18]，视网膜图像登记[19]，和视网膜血管分类[12]。本文提出了一种基于图的方法用于A/V自动分类。分析从分割的视网膜中提取的图形脉管，来决定交点的类型（图中的节点），和随后两个标签中的一个分配给每个血管分割段（图链接）。最后，测量血管分割段的强度特征，用于分配最终的动脉/静脉类。 本文组织如下。在第二节，简要回顾一些用于视网膜血管分类的以前的方法。第三节提出基于图的方法用于A / V分类。第四节是在三种不同的数据库中的图像上的测试结果，与手动分类的比较也包括在内。最后，第五节总结这个研究的结论。 A/V分割的方法 视觉和几何特征，可以区分静脉和动脉间的区别；一些方法探讨了A/V分类的特性[11]–[17]。动脉是鲜艳的红色而静脉颜色更深，一般动脉口径比静脉口径较小。血管口径受疾病影响，因此，这是一个不可靠的特征，对于A / V分类来说。动脉也有较厚的壁，它反射光作为闪亮的中央反射带[20]。视网膜血管树的另一个特征是，至少在靠近视神经盘（OD）区域，静脉很少交叉静脉和动脉很少交叉动脉，但是这两种类型可以分叉成较窄的血管，以及静脉和动脉可以相互交叉[20]。出于这个原因追踪血管树中的动脉和静脉是可能的，并且已用于在一些方法中分析血管树和分类血管[11]，[12]。 半自动方法用于分析视网膜血管树是被马丁内斯 - 佩雷斯等人提出的。在[11]这种方法中，单血管分割段和子树的几何和拓扑性质被计算。首先，结构是从分割结果中得到，并且重要的点被检测到。为了标记，用户应指向要追踪树的根段，算法将搜索其唯一的终端点，并在结束时，决定该段是动脉还是静脉。类似的另一种方法是Rothaus等提出的。[12]，其描述了一个基于规则的算法遍历整个血管树时传播是动脉或者静脉的标签。这种方法利用现有的血管分割结果，以及一些手工标记启动血管段。 Grisan等[13]开发了一个追踪A / V分类技术，分类血管只在明确定义的中心区域。然后，通过使用血管结构重建，分类在区域外进行，在那里很少有或没有信息可用于区分静脉动脉。该算法不是设计来考虑该区域的血管都在一起，而是用来划分区域分为四个象限。 Vazquez等人[14]中描