相关实验视频
Updated: Jun 9, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
在人类视网膜图像中检测光盘,使用比特林鱼优化 (BFO) 算法
Azhar Faisal1, Jorge Munilla1, Javad Rahebi2
1Department of Telecommunication Engineering, Malaga University, Malaga, Spain.
Scientific reports
|October 29, 2024
概括
本研究介绍了Bitterling Fish优化 (BFO) 算法,用于在视网膜图像中准确检测光盘. BFO算法提高了速度和精度,有助于早期诊断眼睛疾病,如玻璃眼瘤.
科学领域:
- 眼科和医学成像学
- 医疗保健中的人工智能
- 计算生物学 计算生物学
背景情况:
- 早期检测光盘 (OD) 对于诊断眼科疾病,如玻璃眼和糖尿病视网膜病变至关重要.
- 传统的OD检测方法面临着图像噪声,照明变化和复杂图像重叠的挑战.
- 需要自动和精确的OD识别来提高诊断效率和患者的治疗结果.
研究的目的:
- 开发和评估一种有效和准确的方法,用于在视网膜图像中检测和划分光盘 (OD).
- 为了提高OD成像过程的速度和精度,使用Bitterling Fish优化 (BFO) 算法.
- 评估BFO算法在各种视网膜图像数据集中的性能.
主要方法:
- 图像增强和噪声抑制用于预处理视网膜图像.
- 鱼优化 (BFO) 算法被应用来定位和划分光盘区域.
- 在多个公共数据集 (DRIVE, STARE, ORIGA, DRISHTI-GS, DiaRetDB0, DiaRetDB1) 上,使用诸如灵敏度,特异性,准确性和 DICE 系数之类的指标来评估性能.
主要成果:
- 这种基于BFO的技术实现了高准确率,包括99.33% (DRIVE),99.94% (DRISHTI-GS) 和98.22% (DiaRetDB1).
- 在DRISHTI-GS数据库中显示了很高的重叠和0.9501的DICE系数.
- 每张图像的平均处理时间低于2.5秒,这表明了计算效率.
结论:
- BFO算法为视网膜图像中的光盘检测提供了一种有效,可扩展和自动化的解决方案.
- 该方法表现出对图像质量变化和病态的稳定性,显示出临床应用的潜力.
- 这种方法可以显著帮助眼部疾病的早期诊断和管理.
