基于拓扑结构眼底图像分割评价方法.pptx

基于拓扑结构的眼底图像分割评价方法;目 录;一、概述; 目前大部分自动分割算法所用的评价方法是传统三大指标，没有考虑到血管形态学结构的特殊性－－树状结构。为了更好地评价眼底视网膜血管图像的分割效果，需要将分割结果的拓扑结构信息融入到评价方法中。为此，提出了一种基于拓扑结构的眼底血管分割效果的评价方法。该方法利用细化算法提取血管的拓扑结构，然后计算细化后的血管与细化后的金标准之间的特征参数，即互信息、相关系数和节点率，以此作为评价图像分割结果的指标。 ;二、传统评价方法;第一步：实验对象的选取 在START数据库中，有20幅眼底彩色图像和两套相应的金标准图像，分别标记 出了10.4％和14.9％属于血管的像素。采用START数据库第一套金标准图像进行实验比较。 第二步：图像预处理 对20幅金标准图像进行腐蚀， 腐蚀程度越大则代表分割效果越差。进行了两次程度不同的腐蚀得到标记为好和差的图像各20幅。; 图１(a)是START数据库中第一套专家手工分割中某一幅眼底图，图1(b)和图１(c)分别是用不同结构单元对图1(a)进行腐蚀的结果。从直观角度看， 从左到右图像的边缘信息丢失得越来越多。这三类图像代表手工分割的结果、直观判断分割质量较好的结果和直观判断分割质量较差的结果。 ;直观判断结果为好的图像准确度都是较高的，结果为差的值都是较低的。而且由于腐蚀程度的一致，两条曲线走势也基本相同。因此，这样获取待评价图像的方法是可行的。 ;三、基于拓扑结构分割效果的评价方法;细化后的图像体现了血管当前的 拓扑结构。对于评价特征的提取，本文用到了３个 特征参数，即互信息、相关系数和节点率。选择这三 个特征参数的原因是互信息和相关系数均能表示自 动分割结果和金标准的相关性大小，节点的数量能 表示拓扑结构的复杂程度。 1.互信息 互信息是用来描述两个系统之间的统计相关性，一般用熵来表示，系统A的熵为： 其中： a∈ A。而互信息函数为: I(A,B)=H(A)-H(A│B)=H(A)+H(B)-H(A,B) （5） 其中：H(A｜Ｂ)表示已知系统Ｂ时Ａ的条件熵，H(A,B)为两系统的联合熵。 互信息值越大说明所包含的??同信息也越多。 因此，对分割图像进行细化后，再计算互信息，那么结果越大则说明两者之间的拓扑结构越相似。 由于互信息测度对两图像的重叠区域大小比较敏感，因此Studholme等又提出了正则化互信息，其表达式为: NMI＝[H(A)+H(B)]／H(A,B) （6） 研究表明，正则化互信息有更好的鲁棒性，我们采用公式6来计算互信息。;2.相关系数 相关系数是测定变量之间关系密切程度的量， 可用于表示两幅图像间的相关性。通常以 ρ表示总体的相关系数，以r表示样本的相关系数。总体相关系数的定义公式是：;3.节点率 以上两个评价参数是先细化眼底血管图像以突出其拓扑结构，然后用互信息和相关系数分析血管分割效果，间接地评价了形态结构的相似性。而眼底血管结构错综复杂，对于这类结构的拓扑分析在医学领域中应用广泛。而眼底图像的节点数是一个可以直接反映拓扑结构的特征参数。 在拓扑学中，节点是网络任何支路的分叉点或网络中两个或更多支路的互连公共点。因此对于一幅眼底图像，节点包括了分支点和交叉点。统计分割后图像中的节点数，与金标准中的节点数进行比较，两者结果相近，则说明分割结果较好。为了能更好地显示节点处所标记的红圈，进行了细化处理再展示节点，结果如图４所示。;四、实验结果与分析;直观判断结果较好图像的互信息、相关系数和节点率的折线都在结果较差图像的折线之上，与预期符合。而且每幅图中两条曲线的走势也基本相同，体现了对20幅金标准图像每一次腐蚀的程度是一致的。;为了区别互信息和相关系数跟准确率的差异，又对这20组效果较好图像和20组效果较差图像的准确率进行了计算， 结果如图６所示。;?;五、结论;THE END