面向青光眼筛查的眼底影像杯盘形态自动分析方法
结题报告
批准号:
61702558
项目类别:
青年科学基金项目
资助金额:
22.0 万元
负责人:
赵荣昌
依托单位:
学科分类:
F0605.模式识别与数据挖掘
结题年份:
2020
批准年份:
2017
项目状态:
已结题
项目参与者:
李芳芳、欧阳平波、朱承璋、吴慧、陈昌龙、陈奇林、何骐
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
客服二维码
微信扫码咨询
中文摘要
青光眼是我国最常见不可逆致盲眼病,计算机辅助筛查已成为青光眼防盲的重大需求。发现和识别眼底影像中的视杯视盘形态改变是青光眼筛查的关键。然而,现有筛查方法多以参数测量为主,无法识别杯盘形态改变,严重影响了青光眼筛查的准确性。针对该问题,本项目拟在眼底影像配准的基础上,综合利用多模态影像信息,围绕杯盘区域分割、杯盘特征表示和形态识别等问题,研究杯盘形态分析方法。首先研究眼底影像的2D-3D配准方法,将彩色眼底图和SD-OCT影像携带的杯盘信息对齐到同一坐标空间;然后研究基于特征融合的杯盘区域分割方法,准确获得杯盘区域;基于几何建模和统计分析技术,研究杯盘形态的特征表示方法,有效描述杯盘形态改变;最后基于多分类器决策融合技术,研究青光眼杯盘形态识别方法,提出基于此的青光眼筛查模型。本项目将建立一种有效的眼底影像杯盘形态分析方法,提高计算机辅助青光眼筛查的敏感性和特异性,满足青光眼筛查的迫切需求。
英文摘要
Glaucoma is the first cause of irreversible blindness in China. Computer-aided screening has become the significant demand for the prevention of glaucoma. Examination of the optic nerve to look for changes in the cup-disc appearance from ophthalmoscopic images is the key issue for glaucoma screening. However, most of existing approaches for cup-disc analysis are focused on measure of the optic nerve, whereas there is lack of methods to recognize changes of cup-disc appearance. It is harmful to improve accuracy of glaucoma screening. To address this issue, this project will study the automatic morphological analysis method of cup-disc appearance, which consists of cup-disc region segmentation, cup-disc morphological character representation and cup-disc pattern recognition. Firstly, a 2D-3D image registration method will be studied to align the information of optic cup and disc for cup-disc analysis which obtained from both color fundus images and SD-OCT images. Secondly, the cup-disc segmentation approach will be proposed based on feature fusion with the help of multi-view learning. And the representation approach for appearance and morphological character of cup-disc is also proposed with geometry modeling and statistical analysis methods based on the segmented cup-disc region and contours. Finally, a cup-disc appearance recognition scheme will be designed by means of multi-classifier decision. The achievements of this project will establish an effective automatic morphological analysis scheme of cup-disc appearance, which can improve the sensitivity and specificity of computer-aided glaucoma screening, and recognize changes of cup-disc appearance caused by glaucoma at the early age.
青光眼是导致不可逆视力损害的主要原因之一。计算机辅助杯盘分析与疾病筛查成为青光眼防盲的重要技术手段,其关键在于发现并识别眼底影像中的青光眼杯盘形态改变。然而,由于视盘视杯形态、颜色等个体差异,以及成像设备带来的信息损失,眼底影像杯盘形态自动分析面临着巨大挑战。针对上述问题,本项目以计算机辅助青光眼筛查为目标,研究了眼底影像杯盘形态特征的检测与提取、杯盘形态的量化分析与描述、基于杯盘形态描述的青光眼分类等问题,具体包括四个方面:1) 多模眼底影像配准。研究了无监督模式下的眼底影像配准方法,将彩色眼底图和SD-OCT影像配准并对齐到同一个坐标空间,利用两种不同影像的信息来刻画杯盘的形态变化;2)杯盘形态特征描述与量化。基于先进的机器学习方法,研究视盘视杯在2D彩色眼底图、3D SD-OCT影像上的形态特征,提出了一系列彩色眼底图杯盘区域分割方法、基于多参数量化分析的杯盘形态描述方法、基于SD-OCT的杯盘三维结构表示等方法,实现了准确、鲁棒性的杯盘形态量化分析;3)基于杯盘形态特征的青光眼检测。在对杯盘形态的量化描述和特征分析的基础上,研究了基于杯盘参数分析的青光眼检测方法,提高了青光眼自动检测的准确性和鲁棒性;4)数据分布不均衡条件下的青光眼分类。针对临床数据中存在的严重不均衡问题,利用课程学习等思想,研究数据不均衡分布条件下的青光眼分类方法,纠正了数据不平衡造成的模型偏差。通过本项目的研究,建立了一系列面向计算机辅助青光眼筛查的杯盘形态量化分析方法,显著改善了杯盘形态分析的准确性,提高了青光眼筛查的敏感性和特异性。在此基础上,在国内外重要学术期刊和会议上发表学术论文11篇,其中JCR 1区10篇,CCF A类1篇,CCF B类1篇。申请发明专利4项,支持3位项目组成员晋升职称,培养研究生7名。在后续研究和产业转化的基础上,本项目提出的方法将为青光眼辅助筛查和青光眼防盲提供技术支持。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
Retinal vessel optical coherence tomography images for anemia screening
用于贫血筛查的视网膜血管光学相干断层扫描图像
DOI:10.1007/s11517-018-1927-8
发表时间:2019-04-01
期刊:MEDICAL & BIOLOGICAL ENGINEERING & COMPUTING
影响因子:3.2
作者:Chen, Zailiang;Mo, Yufang;Zhao, Rongchang
通讯作者:Zhao, Rongchang
Non-rigid retinal image registration using an unsupervised structure-driven regression network
使用无监督结构驱动回归网络的非刚性视网膜图像配准
DOI:10.1016/j.neucom.2020.04.122
发表时间:2020-09
期刊:Neurocomputing
影响因子:6
作者:Zou Beiji;He Zhiyou;Zhao Rongchang;Zhu Chengzhang;Liao Wangmin;Li Shuo
通讯作者:Li Shuo
Direct Cup-to-Disc Ratio Estimation for Glaucoma Screening via Semi-Supervised Learning
通过半监督学习直接估计青光眼筛查的杯盘比
DOI:10.1109/jbhi.2019.2934477
发表时间:2020-04-01
期刊:IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS
影响因子:7.7
作者:Zhao, Rongchang;Chen, Xuanlin;Li, Shuo
通讯作者:Li, Shuo
DOI:10.1049/iet-ipr.2017.1149
发表时间:2018-03
期刊:IET Image Processing
影响因子:2.3
作者:Guo Fan;Peng Hui;Zou Beiji;Zhao Rongchang;Liu Xiyao
通讯作者:Liu Xiyao
Clinical Interpretable Deep Learning Model for Glaucoma Diagnosis
用于青光眼诊断的临床可解释深度学习模型
DOI:10.1109/jbhi.2019.2949075
发表时间:2020-05-01
期刊:IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS
影响因子:7.7
作者:Liao, WangMin;Zou, BeiJi;Zhou, MengJie
通讯作者:Zhou, MengJie
融合知识表示与推理的可信智能医学影像分析方法研究
  • 批准号:
    62372474
  • 项目类别:
    面上项目
  • 资助金额:
    50.00万元
  • 批准年份:
    2023
  • 负责人:
    赵荣昌
  • 依托单位:
知识和数据协同的可泛化眼底影像智能分析方法
  • 批准号:
    2021JJ30879
  • 项目类别:
    省市级项目
  • 资助金额:
    0.0万元
  • 批准年份:
    2021
  • 负责人:
    赵荣昌
  • 依托单位:
国内基金
海外基金