针对光学相干层析视网膜图像进行人工分类诊断时存在漏检、效率低等问题,提出一种基于深度学习技术构建联合多层特征的卷积神经网络分类算法。首先通过均值漂移和数据归一化算法对视网膜图像进行预处理,并结合损失函数加权算法解决数据不平衡问题;其次使用轻量深度可分离卷积替代普通卷积层,降低模型参数量,采用全局平均池化替换全连接层,增加空间鲁棒性,并联合不同卷积层构建特征融合层,加强层间特征流通;最后使用SoftMax分类器进行图像分类。实验结果表明,该模型在准确率、精确率、召回率上分别达到97%、95%、97%,缩短了识别时长,所提方法在视网膜图像分类诊断中具有良好的性能。

光学相干层析成像(OCT)由于具有微米级高分辨率、非接触式成像以及瞬时性等特点, 成为临床医学领域的研究热点, 近些年得到迅速的发展, 取得诸多进展与突破。本文简述了OCT技术在眼科医学中的各类应用及发展现状, 分类讨论了OCT图像在空域和频域中的降噪方法, 并重点总结了OCT眼前节和视网膜图像中各层组织的精确定位分层方法。其中深入分析了基于灰度值搜索方法、活动轮廓模型、图论和模式识别等分层方法, 并针对现有分层方法的优缺点以及存在的问题展开深入讨论, 提出相应的解决方法和优化方案。对眼科相关疾病的临床诊断指标分析评价, 根据眼科临床医学需求和OCT图像处理现状, 对未来OCT图像处理的发展趋势和发展水平做进一步讨论和分析。

针对传统眼底照相机检查不到视网膜边缘的缺陷，提出一种基于Volk角膜接触透镜的免散瞳广域视网膜成像系统。照明充分时，Volk镜头能够达到130°以上的视场。在传统眼底相机的基础上改进照明方式,采用外部环形光纤照明的方式实现视网膜广域照明。增大入射角度消除鬼像的影响，同时避免由环形照明方式导致的中心区域的暗斑现象，被照亮的眼底图像经过接目物镜组消除眼角膜反射造成的杂光并采用手动调焦的方式在CMOS相机上成现清晰的像。图像采集使用(2/3)英寸板面彩色CMOS相机并且实时上传至电脑客户端进行分析、处理、存档等操作，经过后期图像处理后可为各类眼科疾病的诊断、筛查提供清晰、客观的依据。

Glaucoma is an eye disease that usually occurs with the increased Intra-Ocular Pressure (IOP), which damages the vision of eyes. So, detecting and classifying Glaucoma is an important and demanding task in recent days. For this purpose, some of the clustering and segmentation techniques are proposed in the existing works. But, it has some drawbacks that include ine±cient, inaccurate and estimates only the affected area. In order to solve these issues, a Neighboring Differential Clustering (NDC) - Intensity Variation Masking (IVM) are proposed in this paper. The main intention of this work is to extract and diagnose the abnormal retinal image by identifying the optic disc. This work includes three stages such as, preprocessing, clustering and segmentation. At first, the given retinal image is preprocessed by using the Gaussian Mask Updated (GMU) model for eliminating the noise and improving the quality of the image. Then, the cluster is formed by extracting the threshold and patterns with the help of NDC technique. In the segmentation stage, the weight is calculated for pixel matching and ROI extraction by using the proposed IVM method. Here, the novelty is presented in the clustering and segmentation processes by developing NDC and IVM algorithms for accurate Glaucoma identification. In experiments, the results of both existing and proposed techniques are evaluated in terms of sensitivity, specificity, accuracy, Hausdorff distance, Jaccard and dice metrics.

为了给视网膜图像配准、光照校正及视网膜内部病理学检测等问题提供有效依据, 本文提出一种有效检测及识别彩色视网膜眼底图像血管的全自动方法。针对视网膜可见血管呈长条型管状、局部具有较好直线型结构的形态特点, 本文采取适用于条状结构的组合移位滤波响应模型进行特征提取。针对血管和血管末端特征的不同, 分别配置对称和非对称的两种滤波模型进行跟踪, 利用组合移位滤波模型(对称和非对称)获取到的响应及G通道像素灰度值共同构建特征向量库, 采用AdaBoost分类器对各个像素点进行分类判定。基于国际公共数据库DRIVE与STARE的实验结果表明, 该方法针对两个标准数据库的分割结果(DRIVE: Accuracy=0.948 9, Sensitivity=0.765 7, Specificity=0.980 9; STARE: Accuracy=0.956 7, Sensitivity=0.771 7, Specificity=0.976 6)均优于已有方法, 适用于彩色视网膜眼底图像的计算机辅助定量分析, 可作为临床借鉴。

针对眼底图像中血管与背景间对比度低以及血管自身结构复杂等因素对视网膜血管分割所带来的问题, 本文提出了一种具有自适应连接值的脉冲耦合神经网络(PCNN)与高斯匹配滤波器相结合的视网膜血管分割方法。首先, 利用对比度受限制的自适应直方图均衡化(CLAHE)技术与二维高斯匹配滤波器对血管区域的对比度进行有效增强。然后, 利用经验阈值选择出一定的血管区域作为初始种子区域。接着, 将带有快速连接机制的PCNN与种子区域增长思想相结合, 通过自适应动态设置PCNN中的连接强度系数和停止条件, 实现眼底图像中血管区域的自动生长。整个算法在DRIVE视网膜图像库中进行了测试, 实验结果表明, 相比于不使用动态连接强度系数与停止条件的方法, 所提出算法的灵敏度从49.79%提高至70.39%, 准确度从95%提高到95.39%。证明了该算法具有较好的分割精确度和应用价值。

视网膜成像质量的下降会减弱视力等视觉功能, 直接影响人们的日常生活。人眼像差是影响其像质的主要因素, 为了提高视网膜像质, 常用自适应光学矫正人眼像差, 以获得接近衍射极限的分辨力或理想像质。矫正波前像差的过程需要以分辨力或像质的评价作为依据。其评价方法大致分为基于瞳孔面和成像面两种, 这两种方法主要表征成像系统的分辨力, 但不能直观和定量地评价像质。而基于成像面的光学传递函数(OTF)法需要借助曲线面积等才能定量地评价像质, 且不同空间频率的像质不同。为此, 计算携带人眼像差的OTF, 以此模拟人眼成像过程, 直观地表征了像质变化。并重新定义均方根误差和相关系数, 分析人眼像差对它们的影响, 量化地反映各项像差矫正前后的像质变化。

为了抑制视网膜不同结构特征之间的影响, 提高视网膜微动脉瘤的检测精度, 提出了一种基于特征相互关系的视网膜微动脉瘤提取算法。首先, 对视网膜灰度图像进行均值滤波, 检测圆形边界和视盘, 并构建视盘掩模。然后, 对视网膜绿色分量图像自适应直方图均衡化, 利用Canny方法提取边缘, 移除图像圆形边界并填充封闭的小面积对象。最后, 考虑不同特征之间的相互关系, 消除较大面积对象后进行"逻辑与"运算移除视网膜渗出物、血管和视盘, 得到视网膜微动脉瘤图像。实验结果表明: 该算法能够有效提取视网膜眼底图像中的微动脉瘤, 其敏感度、特异性、阳性预测值和检测精度分别达到了94.81%、96.04%、91.64 %和95.66%, 基本能够满足临床应用对稳定性和精度的要求。