《基於圖像識別的糖尿病視網膜病變自動診斷技術研究》是依託哈爾濱工業大學，由鄔向前擔任項目負責人的面上項目。
基本介紹
- 中文名：基於圖像識別的糖尿病視網膜病變自動診斷技術研究
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：鄔向前
項目摘要,結題摘要,
項目摘要
糖尿病視網膜病變（Diabetic Retinopathy，DR）是糖尿病最嚴重併發症，是我國四大致盲眼病之一。現階段DR的診斷全部由DR醫學專家人工完成，使得大範圍的DR普查不能開展，致使大量DR病人因不能及時診斷和治療而導致視力受損甚至失明。為此，本課題將研究基於圖像識別的DR自動診斷技術。研究內容包括：（1）構建DR專業資料庫，為醫學研究提供寶貴資料，同時也為DR自動診斷的相關算法提供統一的評價標準；（2）研究在視網膜圖像中有效檢測和分割微小DR病變區域的圖像處理技術；（3）分析各種病變的特點，研究病變的特徵提取、選擇及融合技術；（4）研究能準確識別各種DR病變的多種模式識別技術。（5）根據我國DR診斷標準，建立DR自動診斷系統。本項目旨在解決當前DR病變檢測和識別精度不高以及缺乏統一的評價標準等問題，力爭在相關的計算理論與核心技術方面取得突破，從而促進DR自動診斷的發展和成熟。
結題摘要
糖尿病視網膜病變是導致不可逆轉性失明的主要因素之一。大規模的眼底普查是及時診治該病變的有效手段，可有效減少失明的發生。當前，眼底檢查通常由眼底病專家人工完成，使得大範圍的眼底普查不能開展，導致大量眼底病患者得不到及時診斷和治療，而導致視力受損甚至失明。利用圖像處理與模式識別技術對眼底圖像進行自動分析與處理，能夠有效輔助甚至替代醫生對眼底病進行診斷。作為國內首次對基於圖像識別的糖尿病視網膜病變自動檢測與識別算法進行研究，本項目的主要工作包括：（1）眼底資料庫建立方面：建立了專業的糖尿病視網膜病變資料庫，開發了專業的眼底圖像手工分割軟體和眼底資料庫管理系統；（2）血管檢測與識別方面：提出了多種血管網路的檢測與分割算法，提出了基於濾波器學習的新生血管識別算法；（3）亮病變（包括硬性滲出、棉絨斑）識別方面：提出了基於形態學、基於分類的硬性滲出與棉絨斑的檢測與識別算法；（4）暗病變（包括微動脈瘤、出血斑）識別方面：提出了多尺度擴散指數濾波器的微動脈瘤自動檢測與識別算法，以及多尺度散度場的出血斑自動檢測與識別算法；（5）系統實現方面：建立了糖尿病視網膜病變自動診斷原型系統。本項目的主要成果包括：發表/錄用24篇SCI/EI檢索的高水平國際論文、申請/獲得專利和軟體著作權總計12項、培養研究生14人、一套專業的糖尿病視網膜病變資料庫和一套糖尿病視網膜病變自動診斷原型系統。本項目圓滿完成申請書所列的研究內容，取得的成果在相關的圖像處理、模式識別理論和技術方面取得了突破，同時促進了糖尿病視網膜病變自動診斷技術的發展和成熟，對於醫學研究以及臨床套用都具有重要的理論意義與套用價值，使得糖尿病視網膜病變的大規模普查成為可能，可以節省大量的醫療專家的人力以及醫療資源的浪費，讓糖尿病視網膜病變患者能夠得到早診斷、早治療，有望減少患者失明的風險。
