利用局部二值模式随机森林从眼底图像检测糖尿病视网膜病变与年龄相关性黄斑变性.pdfVIP

通过局部二值模式和随机森林从眼底图像检测视网膜病变和相关性黄斑变性

,,

131212

莫拉莱斯，克耶尔斯特·恩根,瓦莱里·纳兰霍,阿德里安·科洛默

,2∗

1跨大学生物工程与面向人类的技术，瓦伦西亚理工大学，I3BH/LabHuman，

2

CamideVeras/n，46022瓦伦西亚，西班牙眼科应用联合小组，

3

UPV‑FISABIO联合单位，西班牙电气工程与计算机科学系，斯塔万格大学，N‑4036斯塔

万格，挪威{smora,vnaranjo,acolomer}@,kjersti.engan@uis.no

因此，能够通过图像处理区分健康眼底（无任何病理）

本研究的重点在于区分病理性和健康眼底图像。目标是和DR及AMD患者的计算机辅助诊断软件将大有裨益。

通过分析视网膜背景的纹理来区分视网膜病变

（DR）、相关性黄斑变性（AMD）和正常图像。

局部二值模式（LBP）用作纹理描述符。已经测试了两本文重点探讨了局部二值模式（LBP）作为视网膜

类问题：DR与正常、AMD与正常，以及三类问题：图像纹理描述符的性能，以区分病理图像和健康图像。

DR、AMD和正常，并且取得了令人鼓舞的结果。在所尽管LBP已广泛用于分类纹理，但关于视网膜纹理分析

有情况下，使用随机森林分类器实现了平均敏感性和特的并不多。大多数使用LBP技术的视网膜图像研究

异性均高于0.86，对于AMD检测几乎达到0.96。这些结集中在视网膜血管分割[2]上，而不是诊断，尽管存在

果表明，LBP是视网膜图像的稳健纹理描述符，本文提一些基于LBP的诊断示例。Garnier等人利用LBP处理

出的方法直接分析视网膜背景，避免了复杂的病灶分割，AMD检测。通过视网膜图像的小波分解分析多个尺度

可用于辅助诊断。上的纹理信息，并从小波系数中找到LBP直方图。他们

没有考虑DR分类[3]。Mookiah等人从视网膜图像中提

取异常标志以检测正常视网膜和两个DR阶段。通过

索引术语—局部二值模式，视网膜病变，年

LBP和Laws能量找到纹理。特征提取需要对渗出物、视

龄相关性黄斑变性，眼底图像，视网膜纹理

盘和血管进行预分割。未使用颜色信息，RGB图像被转

换为灰度[4]。Krishnan和Laude将LBP与熵和不变矩

1.引言结合，生成DR诊断的综合指数[5]。Mookiah等人和