科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的糖尿病性视网膜病变(diabetic retinopathy,DR,以下简称糖网病)筛查中,有相当比例的图像因聚焦不清或曝光不佳不可用于临床诊断,浪费了医疗资源,因而,有必要对眼底图像进行质量监控。本文提出一种基于小波变换和最小二乘支持向量机(least square support vector machine,LS-SVM)的眼底图像质量控制算法。方法首先,对眼底图像进行2层静态小波变换,计算8个子图像的能量值作为特征向量,再利用LS-SVM对眼底图像进行质量评判。本文将中国人民解放军火箭军特色医学中心眼科提供的146幅图像,分为训练集和测试集,LS-SVM使用训练集进行学习后,对测试集的97幅图像进行分类测试。结果训练后的LS-SVM能够对测试集很好地分类,鉴别出模糊的眼底图像。以线性函数为核的LS-SVM分类正确率为100%,以高斯径向基函数为核的LS-SVM的分类正确率为97. 9%。结论以2层静态小波分解子图像的能量值为输入特征向量的LS-SVM能够很好地鉴别出本文使用的眼底图像是否模糊。
- 出版日期2019
- 单位生物医学工程学院; 首都医科大学
