毕业答辩模板-中南财经政法大学武汉学院课件

基于数字图像处理

的糖尿病性视网膜检测

Detection

forDiabeticRetinopathy中荷生物医学工程

0803王菁导师（supervisor）：Han.J.W.vanTriest

Backgroundandsignificance

项目背景意义

背景（background）糖尿病视网膜病变是由糖尿病引起的眼部疾病，发病率高，初期症状不明显，严重可导致失明。

（DR,whichiscausedbydiabetes,isaseriouseyeillness.Theworstonecanleadtoblindness)

早期诊断治疗很重要。

(Theearlydetectionisimportant!)庞大的审片数量和医生人数的矛盾日益严重。(contradictorybetweenlargenumberofpatientsandsmallnumberofexperts)意义（significance）根据DR病变的图像特征，研究基于数字图像处理技术的自动检测技术，以此来辅助医生进行病情分析诊断。

(DevelopanalgorithmbasedonDigitalimageprogressingtodetectDRautomatically,whichcanassistexperts)structure

项目结构病变

图片特征分析

（featureanalysis）项目体系（programstructure）项目总结

（programconvolution）病变视网膜图片诊断特征

（featuresofabnormalretina）病变的视网膜图像主要呈现以下几方面的特征：1，血管的末端出现崎岖变形（theendofvesselsbeingoutofshape）2，视网膜的后部出现微血管瘤，肿胀或者出血；

（atthebackofretinaimageexistmicro-aneurysm、hemorrhage、swellsandsoon.）；严重的会出现斑点和恶性渗出现象

（theseriousoneshowinglateralmacularandhardexudatesontheretinaimage）项目任务：

检测微血管瘤，出血现象项目体系

（programdesign）

图片预处理（pre-progressing）灰度图

（Getgrayimage）去除干扰部分

（removeinterference）图像分割

（Imagesegmentation）均衡背景

（Balancebackground）求取阈值

（Computethresholdvalue）候选点匹配

（Candidatesclassify）血管提取

（Attractvessels）KNN特征向量匹配

（KNNclassify）结果评估

（Resultestimation）计算敏感性和稳定性

（Calculatesensitivityandstability）GUI界面设计

（GUIinterfacedesign）分部结果展示（菜单栏实现）

（designmenu）一键结果显示

（Clickonebuttontoshowresult）

图像分割

（Imagesegmentation）背景调整

（adjustbackground）分割图片

（Cutimage）均衡背景

（Balancebackground）求取阈值

（Calculatethresholdvalue）大津阈值

Otus迭代法

（iterationmethod）区域生长

（Regiongrowing）候选点匹配（1）

（CandidatesClassify）F

顶帽变换

增加对比度血管提取图像

（形态学方法）血管提取图像

（梯度学方法）通过不同的特征分步提取出真正的候选点

去除血管—>去除大小较大的区域—>去除灰度值较高的区域—>圆检测保留形状近似圆的区域去除血管标记去除较大的点去除平均灰度较大的点去除形状圆度较小的点候选点匹配（2）

CandidatesClassify（2）候选点匹配（3）

（CandidatesClassify)选择KNN特征向量匹配的方法，通过与医生诊断结果Groundtruth的标记结果对比匹配（groundtruth的标记信息储存在XML文档格式中，通过Mathematic进行读取掩模图像），选取出和groundtruth的特征相似的候选点。需要进行匹配的特征向量：1，掩模中连通区域的面积：S（ConnectedareaS）2，掩模中连通区域的周长：P（ConnectedperimeterP）3，掩模中联通区域的圆度：P^2/4*S*pi（roundness）4,掩模所覆盖的灰度图像中的平均灰度值（averageintensity）

特征向量

匹配

（features

match)医生诊断标记（Markingbasedongroundtruth）KNN，特征向量匹配后的标记图像（FeaturematchbyKNN）结果评估

（ResultEvaluation）1，敏感性(SN):指的是检测不正常的区域占实际不正常区域比例2，稳定性（SP）；指的是检测正常区域占实际正常区域比例3，正估计值（PPV）：指的是检测出的为不正常的区域确实不正常4负估计值（NPV）：指的是检测出为正常的区域确实是不正常的

总结：这四个值都是越趋近于1，越理想(Theclosereachvaluetoone,thebetterresultIget)GUI界面设计

（GUIinterfacedesign）GUI界面设计分为两种：点击一个按钮可以显示出比较关键的四副结果图片，方便医生操作比较，进度条的添加可显示进程。(Clickonebuttonshowingfourimportresultsduringdetection)点击菜单栏里每一步，均可以显示每一步结果，方便医生一步步分析(Clickmenutoseeeachstepresult)一键显示四副结果图菜单树状结构GUI设计特色（GUIinnovation)1，配有密码登录界面，加强了保密性（DesignLoginWindowtocheckID)2,设有帮助文档，方便使用,并且每一步后都有具体的操作说明导航。（DesignHelpdocumenttoassistdoctor)登陆界面（Loginwindow）帮助文档（Helpdocument）总结

（Convolution）成果（Achievements）：

1，成功开发了一款基于数字图像处理的DR诊断软件；(DevelopaDRautomaticdetectionsoftware)

2，构建了又自己编写的MATLAB，DR检测函数库。并且测试了每一个函数的功能，编写了帮助文档。(Writeafunctiontool-boxintermsofDRdetectionwithfunctionhelpdocument)收获（Acquisition）：

1，因为对于每个步骤都研究比较了多种方法，从而熟练了数字图像处理的相关理论，原理；(Beacquaintedwithdigitalimageprocessing）

2，因为尝试不同的开发软件，学习了MATLAB，图像处理函数以及GUI界面的开发；（BefamiliarwithMATLABandMathematic）

3，因为项目自主开发搜集资料，体会了项目开发的完整过程，体验了发现问题解决问题的