基于PST和多尺度高斯滤波的视网膜血管的分割

视网膜血管分割是眼科计算机辅助诊断和大规模眼科疾病筛查系统的基础。为辅助眼科医生进行眼底疾病的诊断，文中提出了一种基于相位拉伸变换(PST)和多尺度高斯滤波的视网膜血管分割方法。首先，将彩色眼底影像的绿色通道分量图进行增强预处理；然后采用不同尺度的高斯滤波器对预处理增强后的视网膜血管进行降噪处理，再结合PST边缘检测算法初步获得视网膜血管分割图；最后整合初步获得的视网膜血管分割图并进行形态学去噪，获得最终的视网膜血管分割图。通过在视网膜图像库DRIVE上进行实验，其平均准确率为93%，平均灵敏度达77%，平均特异性为95%，该实验结果验证了文中方法的有效性。     

深度卷积神经网络实现硬性渗出的自动检测

为实现硬性渗出的自动检测,构建糖网病计算机辅助诊断系统,文中提出了一种基于深度卷积神经网络的硬性渗出提取方法。该方法主要分为两个部分:线下训练硬性渗出分类模型和在线检测硬性渗出。线下训练分类模型是利用深度卷积神经网络自动提取特征训练出硬性渗出的分类模型;在线检测硬性渗出使用训练好的分类模型对眼底影像中的硬性渗出进行检测,并获取硬性渗出的概率图以及伪彩色图。利用文中方法在标准数据集DIARETDB1和自选数据集上进行验证,结果表明所提方法行之有效,鲁棒性较好,具有很强的临床实践意义。