摘  要： 根據眼底熒光血管造影圖像的特點，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。
關鍵詞： 眼底熒光血管造影圖像； 圖像分割； 神經網絡

　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：

　為了減少運算量，提高算法的速度，在算法的實現中采用了二維快速傅里葉正反變換。由于低頻背景和極高頻噪聲得到衰減，在反變換后的圖像中病變的灰度值得到相對增強，明顯高于周圍的背景灰度值，這樣可以較容易地分離病變和背景，因此，經過傅里葉正反變換病變得到增強的圖像，灰度值可以作為輸入特征進行提取。
　利用上述方法獲得樣本圖像的方差、殘差和灰度特征，歸一化后組成輸入特征向量，輸入到如圖1所示的神經網絡分類器，利用神經網絡BP訓練算法進行訓練。訓練完畢后，輸入待分類的眼底熒光圖像，提取圖像特征，并進行歸一化處理。將歸一化后的特征值輸入已訓練的神經網絡分類器進行分類，根據分類結果就可得到眼底熒光圖像中的目標區域。
3 實驗結果分析與對比
　圖4所示為視網膜血管圖像分割結果,其中圖4(d)為基于最大熵的閾值方法分割后的血管圖像，圖4(e)為基于神經網絡分割后的血管圖像。圖5所示為視網膜病變區域分割結果,其中圖5(d)為基于最大熵的閾值方法分割后的圖像，圖5(e)為基于神經網絡分割后的圖像。對比兩種不同的分割方法可以發現,基于閾值的分割方法運算速度較快，采用神經網絡方法分割后的圖像噪聲更小，圖像更清晰。

參考文獻
[1] 文峰．淺談眼底血管造影的臨床釋義[J] ．中華眼底病雜志，2001，3（17）：67-68.
[2] 章毓晉.圖像分割[M].北京:科學出版社,2001.
[3] Gao Ning, Shao Lushou. Application of BP neural network prediction nodel on corps pests level by MATLAB [J]. Computer and Agriclture,2003,7:16-18.
[4] 王傳永,孫杰，陳輝，等.基于BP神經網絡的血液圖像細胞色彩分割[J].光電子·激光,2005,16(12):1506-1509.
[5] 楊治明,王曉蓉，彭軍，等.BP人工神經網絡在圖像分割中的應用[J].計算機科學,2007,34(2):234-236.
[6] 周志華,曹存根.神經網絡及其應用[M] .北京:清華大學出版社,2004.