基于图像识别的糖尿病视网膜病变自动诊断技术研究

糖尿病视网膜病变（Diabetic Retinopathy，DR）是糖尿病最严重并发症，是我国四大致盲眼病之一。现阶段DR的诊断全部由DR医学专家人工完成，使得大范围的DR普查不能开展，致使大量DR病人因不能及时诊断和治疗而导致视力受损甚至失明。为此，本课题将研究基于图像识别的DR自动诊断技术。研究内容包括：（1）构建DR专业数据库，为医学研究提供宝贵资料，同时也为DR自动诊断的相关算法提供统一的评价标准；（2）研究在视网膜图像中有效检测和分割微小DR病变区域的图像处理技术；（3）分析各种病变的特点，研究病变的特征提取、选择及融合技术；（4）研究能准确识别各种DR病变的多种模式识别技术。（5）根据我国DR诊断标准，建立DR自动诊断系统。本项目旨在解决当前DR病变检测和识别精度不高以及缺乏统一的评价标准等问题，力争在相关的计算理论与核心技术方面取得突破，从而促进DR自动诊断的发展和成熟。

糖尿病视网膜病变是导致不可逆转性失明的主要因素之一。大规模的眼底普查是及时诊治该病变的有效手段，可有效减少失明的发生。当前，眼底检查通常由眼底病专家人工完成，使得大范围的眼底普查不能开展，导致大量眼底病患者得不到及时诊断和治疗，而导致视力受损甚至失明。利用图像处理与模式识别技术对眼底图像进行自动分析与处理，能够有效辅助甚至替代医生对眼底病进行诊断。作为国内首次对基于图像识别的糖尿病视网膜病变自动检测与识别算法进行研究，本项目的主要工作包括：（1）眼底数据库建立方面：建立了专业的糖尿病视网膜病变数据库，开发了专业的眼底图像手工分割软件和眼底数据库管理系统；（2）血管检测与识别方面：提出了多种血管网络的检测与分割算法，提出了基于滤波器学习的新生血管识别算法；（3）亮病变（包括硬性渗出、棉绒斑）识别方面：提出了基于形态学、基于分类的硬性渗出与棉绒斑的检测与识别算法；（4）暗病变（包括微动脉瘤、出血斑）识别方面：提出了多尺度扩散指数滤波器的微动脉瘤自动检测与识别算法，以及多尺度散度场的出血斑自动检测与识别算法；（5）系统实现方面：建立了糖尿病视网膜病变自动诊断原型系统。本项目的主要成果包括：发表/录用24篇SCI/EI检索的高水平国际论文、申请/获得专利和软件著作权总计12项、培养研究生14人、一套专业的糖尿病视网膜病变数据库和一套糖尿病视网膜病变自动诊断原型系统。本项目圆满完成申请书所列的研究内容，取得的成果在相关的图像处理、模式识别理论和技术方面取得了突破，同时促进了糖尿病视网膜病变自动诊断技术的发展和成熟，对于医学研究以及临床应用都具有重要的理论意义与应用价值，使得糖尿病视网膜病变的大规模普查成为可能，可以节省大量的医疗专家的人力以及医疗资源的浪费，让糖尿病视网膜病变患者能够得到早诊断、早治疗，有望减少患者失明的风险。