眼底造影图像分割算法的研究与对比

眼底即视网膜,位于眼球最内层，是视觉神经功能的重要组织部分，眼底组织结构的病变与全身组织器官和系统疾病，尤其是与中枢神经系统与血管系统等疾病联系紧密。眼底荧光血管造影FFA(Fundus Fluorescence Angiography)是眼科临床诊治眼底病的特殊检查技术，是眼底病检查、诊断最重要的手段之一[1]。通过对FFA所得到的图像进行数字化处理，可反映眼底血管结构、血流动力学改变、血管病理生理变化及其相关结构的病理改变，广泛应用于视网膜、脉络膜及视神经疾病的鉴别诊断，并可指导眼底病的激光光凝治疗及推测视功能预后，从而为临床诊断、预后评价、治疗、疗效观察以及探讨发病机理等提供有价值的依据。本文分别利用阈值分割法与BP神经网络算法对眼底造影血管图像及眼底病变区域图像进行分割与对比，使临床医生可以得到病变面积的较精确的测量数据，观察到更细微的血管变化，为与此相关的心、脑血管系统和糖尿病的诊治提供重要依据。
1 眼底造影图像的阈值分割方法
　阈值分割法的步骤描述如下：(1)从原始医学图像的起始像素点开始，依次取出每一个像素点的像素值;(2)将这些像素点的值与预设阈值相比较，大于阈值的像素点组成的区域就是要分割的目标区域,将这些区域单独分离出来，就得到要分割的目标[2]。
　阈值分割法可分为半自动阈值分割法和自动阈值分割法。半自动阈值分割法是指利用人工方法设定阈值和改变阈值，这种方法运算量小，速度快,但自适应能力差。自动阈值分割法是通过图像处理的方法自动得到阈值，并随着不同的分割图像自动改变阈值。这种方法自适应能力强，但速度较慢。其中，最常见的算法是基于最大熵的自动阈值分割,下面对该方法进行详细介绍。
熵是对事物所携带信息量的度量，事物发生的概率越小，则该事物所携带的信息量越大。设某事物A发生的概率为p，则事物A的熵H(A)定义为：