眼底造影圖像分割算法的研究與對比

眼底即視網膜,位于眼球最內層，是視覺神經功能的重要組織部分，眼底組織結構的病變與全身組織器官和系統疾病，尤其是與中樞神經系統與血管系統等疾病聯系緊密。眼底熒光血管造影FFA(Fundus Fluorescence Angiography)是眼科臨床診治眼底病的特殊檢查技術，是眼底病檢查、診斷最重要的手段之一[1]。通過對FFA所得到的圖像進行數字化處理，可反映眼底血管結構、血流動力學改變、血管病理生理變化及其相關結構的病理改變，廣泛應用于視網膜、脈絡膜及視神經疾病的鑒別診斷，并可指導眼底病的激光光凝治療及推測視功能預后，從而為臨床診斷、預后評價、治療、療效觀察以及探討發病機理等提供有價值的依據。本文分別利用閾值分割法與BP神經網絡算法對眼底造影血管圖像及眼底病變區域圖像進行分割與對比，使臨床醫生可以得到病變面積的較精確的測量數據，觀察到更細微的血管變化，為與此相關的心、腦血管系統和糖尿病的診治提供重要依據。
1 眼底造影圖像的閾值分割方法
　閾值分割法的步驟描述如下：(1)從原始醫學圖像的起始像素點開始，依次取出每一個像素點的像素值;(2)將這些像素點的值與預設閾值相比較，大于閾值的像素點組成的區域就是要分割的目標區域,將這些區域單獨分離出來，就得到要分割的目標[2]。
　閾值分割法可分為半自動閾值分割法和自動閾值分割法。半自動閾值分割法是指利用人工方法設定閾值和改變閾值，這種方法運算量小，速度快,但自適應能力差。自動閾值分割法是通過圖像處理的方法自動得到閾值，并隨著不同的分割圖像自動改變閾值。這種方法自適應能力強，但速度較慢。其中，最常見的算法是基于最大熵的自動閾值分割,下面對該方法進行詳細介紹。
熵是對事物所攜帶信息量的度量，事物發生的概率越小，則該事物所攜帶的信息量越大。設某事物A發生的概率為p，則事物A的熵H(A)定義為：