公开(公告)号：CN104809480B

公开(公告)日：2018-06-19

申请号：CN201510262249.4

申请日：2015-05-21

Applicant: 中南大学

Inventor： 邹北骥 ,  朱承璋 ,  崔锦恺 ,  向遥 ,  李暄 ,  张思剑 ,  陈奇林

IPC: G06K9/62 ,  G06T7/00

Abstract: 本发明公开了一种基于分类回归树和AdaBoost的眼底图像视网膜血管分割方法，该方法为眼底图中的每个像素点构造一个包括局部特征、形态学特征和像素的向量场散度特征在内的36维特征向量，用以判定其是否为血管上的像素。分类计算时，以分类回归树作为弱分类器对样本集分类，然后对AdaBoost分类器进行训练得到强分类器，并由此完成各个像素点的分类判定，得到最后的分割结果。该方法对血管主干部分提取较好，对于高亮度病灶区的处理很有优势，适合进行后期处理，为主要血管的病变提供了直观结果，适用于眼底图像的计算机辅助定量分析和疾病诊断，对相关疾病的辅助诊断有明显临床意义。

公开(公告)号：CN104809480A

公开(公告)日：2015-07-29

申请号：CN201510262249.4

申请日：2015-05-21

Applicant: 中南大学

Inventor： 邹北骥 ,  朱承璋 ,  崔锦恺 ,  向遥 ,  李暄 ,  张思剑 ,  陈奇林

IPC: G06K9/62 ,  G06T7/00

CPC classification number: G06K9/6282 ,  G06T7/0012 ,  G06T2207/10004 ,  G06T2207/20024 ,  G06T2207/30041

Abstract: 本发明公开了一种基于分类回归树和AdaBoost的眼底图像视网膜血管分割方法，该方法为眼底图中的每个像素点构造一个包括局部特征、形态学特征和像素的向量场散度特征在内的36维特征向量，用以判定其是否为血管上的像素。分类计算时，以分类回归树作为弱分类器对样本集分类，然后对AdaBoost分类器进行训练得到强分类器，并由此完成各个像素点的分类判定，得到最后的分割结果。该方法对血管主干部分提取较好，对于高亮度病灶区的处理很有优势，适合进行后期处理，为主要血管的病变提供了直观结果，适用于眼底图像的计算机辅助定量分析和疾病诊断，对相关疾病的辅助诊断有明显临床意义。