视网膜血管分割方法综述

李亚婷

摘要：图像分割在图像处理中处于至关重要的地位，分割的效果将直接影响到后续对图像的处理。视网膜血管是人体的重要组成部分，其血管网络形态结构的影响，是心脑血管疾病对血管微循环检查的重要部位。因此，对血管的研究具有实际意义，尤其在临床上的应用更是普及。本文通过对血管分割方法的大量研究，针对当前比较流行的方法进行了阐述。最后对最流行的深度学习算法在医学上的应用进行探索。

通过对多种血管分割方法的研究，从而提高眼底病临床诊断的效率与精度，给DR的进一步治疗提供理论依据，进而协助临床眼底病变的早期发现和诊断。

关键词：血管；阈值；神经网络；深度学习

中图分类号：TP3 文献标识码：A

文章编号：1009-3044（2019）11-0198-03

Abstract： Image segmentation is in a crucial position in image processing， and the effect of segmentation will directly affect the subsequent processing of images. Retinal blood vessels are an important part of the human body， and the influence of the vascular network morphology and structure is an important part of cardiovascular and cerebrovascular diseases for the examination of vascular microcirculation. Therefore， the reasearch of blood vessels has practical significance， especially in clinical applications. In this paper， through a lot of research on the method of blood vessel segmentation， the current popular methods are expounded. Finally， the application of the most popular deep learning algorithms in medicine is explored.

Through the research of a large number of blood vessel segmentation methods， the efficiency and accuracy of clinical diagnosis of fundus diseases can be improved， and the theoretical basis for further treatment of DR can be provided to assist in the early detection and diagnosis of clinical fundus lesions.

Key words： vascular； threshold； neural network； deep learning

1 概述

人體的血管有很多，大部分都是有创才能观察到的，而眼底血管却是唯一不用动手术就能直接观察到的血管，血管的很多特征都能直接反应出一些疾病，比如糖尿病、高血压等。尤其这两种病的发生以及早期症状主要体现在血管的直径、粗细等特征的变化上。因此，研究血管的形态变化具有重要的诊断价值，尤其对较深层血管分枝和微细血管部分的观察和检测，更有助于疾病的早期诊断。对血管分割方法的探索一直受到研究人员的广泛关注。

2 眼底图像分割方法

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标（ROI）的技术和过程。目前主要有以下几种图像分割技术：基于区域的方法、基于边缘的方法、数学形态学法等。基于区域的方法主要有：阈值法、区域生长法、聚类等；基于边缘的方法主要有：微分算子等；监督分类的方法主要有：支持向量机、神经网络等。

2.1 基于区域的分割方法

该方法主要是利用区域之间的相似性，将具有相同或相似特征的区域划分为同一区域，不同或相似度不高的特征区域归属于不同区域。最常用的有阈值分割法，聚类等。

2.1.1 直方图阈值法

直方图阈值法主要用在灰度图像分割中，此方法成功与否的关键是对阈值的选取，阈值偏大或偏小都会影响图像的分割效果。很多专家对此进行了研究和改进。双峰法比单峰法效果好很多。Prewitt就曾利用双峰法进行阈值的选取，即如果直方图呈现出了明显的双峰状（如图1），则选取两峰之间谷上的灰度值作为分割阈值，然后将图像中的各像素与该阈值进行比较，从而确定每个像素的划分类。但是该算法也有缺陷，适用范围很有限，对于双峰明显的图像效果最佳，而对于双峰不明显的图片就很难选取到合适的阈值。针对该缺陷，很多专家又进行了改进，发展到后来的迭代阈值法。

此方法后来也被许多专家进行了改进。比如汪维华[2]等人提出了一种修正的形态学与Otsu相结合的无监督视网膜血管分割算法。该方法具有较高的分割精度，能够有效处理视网膜疾病对血管分割的影响，算法具有健壮性。

2.1.2 区域生长法

区域生长法是一种根据事先定义的准则将像素或者子区域聚合成更大区域的过程。简单地说，就是从图像中的某个像素或区域出发，按照一定的准则，逐步加入临近像素或区域，当满足一定的条件时，区域生长终止，最后得到整个区域，进而是心目标的提取。