相关实验视频
Updated: Jul 24, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.7K
一个结合的模糊的回溯搜索优化算法,以定位糖尿病视网膜病变的视网膜血管
Anil Kumar Neelapala1, Gnane Swarnadh Satapathi1, Vamsi Borra1
1Department of Electronics and Communication Engineering, A J Institute of Engineering and Technology, Karnataka, India.
Biomedical physics & engineering express
|July 14, 2023
概括
这项研究引入了一种自动化方法,用于在 fundus 图像中对视网膜血管进行细分,这对于诊断糖尿病视网膜病变至关重要. 这种技术可以提高小血管的检测,提高诊断准确度.
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:
- 对视网膜血管的准确定位对于诊断糖尿病视网膜病变 (DR) 至关重要.
- 眼底图像往往呈现出差的对比度,阻碍了微直径血管的检测.
- 视网膜血管系统的病理变化表明了诸如玻璃眼和糖尿病之类的疾病.
研究的目的:
- 提出一种自动化,无监督的技术,用于视网膜血管细分.
- 为了提高微直径和粗视网膜血管的检测.
- 提高DR和其他视网膜血管疾病的诊断能力.
主要方法:
- 开发了一种自动无监督的视网膜血管细分技术.
- 使用回溯搜索优化算法 (BSA) 来优化模糊C-Means (FCM) 聚类.
- 该方法在STARE和DRIVE数据集上进行了测试,并与印度医院数据进行了验证.
主要成果:
- 拟议的BSA-FCM方法有效地细分视网膜血管,包括微直径的血管.
- 在公开可用的和临床数据集上评估了性能.
- 结果显示灵敏度,特异性和准确性与传统方法相比相当.
结论:
- 自动化的BSA-FCM技术为视网膜血管细分提供了一个强大的解决方案.
- 这种方法有助于诊断糖尿病视网膜病变和其他相关疾病.
- 这种方法有望改善视网膜底图像的自动化分析.

