深圳大学研究生课程论文题目基于兴趣点和视觉字典的眼底病理学检测成绩专业生物医学工程课程名称、代码专业英语年级2010级姓名袁杰学号2100220114时间2011年7月10任课教师刘维湘基于兴趣点和视觉字典的眼底病理学检测AndersonRochaTiagoCarvalhoSiomeGoldensteinJacquesWainer摘要：糖尿病视网膜病(DR)是一种糖尿病的并发症。它会弱化视网膜血管，而产生从轻微出血到出现新生血管的各种病变。如果不治疗则会导致失明，事实上，DR在发达国家是导致20岁到74岁之间人群失明的最主要原因。对付DR最有效的方法就是通过分析眼底图像对DR进行早期诊断。本文中，我们介绍了一种对眼底图像进行病理学检测的新方法。我们的工作是做一个自动扫查系统，那些被系统判断为视网膜不正常的病人将需要看眼科医生。这意味着需要一个评价标准使系统得到低的假阴性率。我们应该尽可能的避免将异常图像归类为正常的情况。我们的方法是先构建包含了所需重要病理学特征的视觉字典，然后对眼底图像进行正常或有DR嫌疑的分类。我们估计了硬性渗出，出血和微血管瘤的方法，用跨数据集验证的方法测试了在不同的参数配置下系统的鲁棒性和可靠性。4、用于DR检测的视觉字典如今针对单一异常解决方案的主要问题是如何扩展这些方法使其能解决更普遍的问题。大多数时候，在一个数据集上定制的渗出物检测方法并不能在另一个数据集上起作用，使得DR检测的结果存在疑点。此外，也很难对现有文章中的方法作比较，因为他们大部分用于训练和测试的都是私人数据集，而很少尝试跨数据集验证。本文中，我们将解决这两个问题。这里介绍一种新的易于扩展的单一病理检测方法，分别对硬性渗出、出血和微血管瘤进行了测试。此外，我们还用实验说明该方法可以在分别用不同数据集进行训练和测试的情况下保持较高的特异性和灵敏性。该检测法应用了眼底图像和视觉字典的概念。这是在计算机视觉文献中提到的一种新的模式，它用一组具有高度扩展性的特征来表示，在没有对图像进行预处理或后处理的情况下得到了很好的检测和分类结果。视觉字典建立了一种稳定的表示方法，它将每幅图像表示为区域的集合。在这种表示下，我们只需要关心每个区域的表达。我们的目标是是用学习建立一个视觉字典，以训练集来说，根据特定的问题选取了至少d个典型的区域。选取的区域数d必须足够大以辨别图像中相关的变化，但是也不能太大以致辨别出不相关的变化，如噪声。这些区域建立了一个d维的希尔伯特空间H，这个空间里每个区域用一个视觉单词表示。我们可以根据一个视觉字典里包含的视觉单词描绘出一幅图像，得到希尔伯特空间H中每个视觉单词在原始图像中对应的区域。在这个设定中我们面对的主要挑战就是建立一个在特定问题下能捕获所有细微差别的典型字典。4.1方法综述近来不少研究者使用了兴趣点的局部不变特征。虽然它最初发展是为了应用于通信领域，但是已有不少在图像恢复和分类方面的尝试。这些方法背后的原则是：选择最能代表图像的点组成一个大数量的兴趣点(PoI)集，然后计算每个兴趣点周围的局部描述子，并存储在索引数据结构中。这个方法是假设兴趣点比图像中其他的点能传达更多的信息。因此，图像即使被扭曲后兴趣点仍能被稳定的检测到，这是兴趣点法则可重复性的主要标准。定位兴趣点后，每个点用它周围区域分解的小片段表示。有文献指出在兴趣点周围计算出的局部描述子要比描述图像细微差别的全局描述子稳定。但是，这样代表的方法有优点也有缺点。当搜索一个特定目标时，这个辨别力是非常重要的。尽管如此，当搜索复杂的分类时，概括的能力是最重要的。因此，这些解决方案往往是设计完全匹配的，它们在图像分类时并不直接转化好的结果。解决这个问题的一种可能是视觉字典技术，它认为是高维空间描述和分割成的多个区域。通常使用非监督学习技术（例如聚类）以便找到最具判别力的兴趣点。每个兴趣点的区域，将变成视觉“字典”里的“字”。字典创建完后，对每个图像分析其兴趣点并将一个在字典中最接近的单词分派给它。最后，每幅图像都由一系列视觉单词来描述。在这个简单的想法中，最大的挑战是设计一个好的字典。字典的建立需要对描述空间进...
