使用不同尺度的过器银行和双层值来诊断多发性糖尿病视网膜病变
Noor Ul Huda1, Anum Abdul Salam2, Norah Saleh Alghamdi3
1Center for Advanced Studies in Telecommunications (CAST), COMSATS Institute of Information Technology, Islamabad 45550, Pakistan.
Diagnostics (Basel, Switzerland)
|July 14, 2023
概括
这项研究引入了一种通过分析视网膜图像来检测多发性糖尿病视网膜病变 (PDR) 的新方法. 该算法准确地识别出异常的血管,改善早期诊断并防止视力丧失.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病患者视力丧失的主要原因.
- 扩散性糖尿病视网膜病变 (PDR),晚期,涉及视网膜上的异常血管生长 (新血管化).
- 如果不治疗,PDR会导致严重的视力障碍和失明.
研究的目的:
- 开发和评估一种新的自动化方法,用于检测和分级糖尿病视网膜病变中的新血管化.
- 通过增强血管模式分析,提高PDR自动诊断系统的准确性.
主要方法:
- 图像预处理以增强视网膜血管模式.
- 血管细分和光盘局部化.
- 在候选区域进行特征提取和测试,以检测新血管化.
- 使用光盘坐标对PDR病例的分类和新血管化的分级 (NVD/NVE).
主要成果:
- 拟议的算法在MESSIDOR数据库中实现了高精度 (98.5%) 和正预测值 (99.8%).
- 在本地数据库上,该系统显示了96.5%的准确性和100%的PPV.
- 该方法有效地消除正常的血管和排泄物,改善异常血管的检测.
结论:
- 开发的自动化系统对准确有效地检测和分类多发性糖尿病视网膜病变有显著的希望.
- 这种方法可以提高糖尿病眼病的自动诊断工具的能力.
- 该算法的性能表明其在治疗糖尿病视网膜病变中的临床应用潜力.
