设计一种自适应颜色形态学运算符，用于彩色眼底图像中渗出物和微动脉瘤的检测

《IEEE Women in Engineering Magazine》：Designing an Adaptive Color Morphology Operator for Exudates and Microaneurysms Detection in Color Fundus Images

　　

摘要：

糖尿病视网膜病变是导致可预防失明的主要原因之一，因此自动化病变检测对于早期筛查至关重要。然而，传统的无监督方法常常由于图像的变异性而失效，并且忽略了关键的色彩信息；而现代的深度学习模型则需要大量的标注数据集。本文介绍了一种完全基于规则的、无需训练或标注数据的无监督框架，该框架能够同时检测渗出物和微动脉瘤，从而克服这些挑战。我们方法的核心是一种新的自适应颜色形态学运算符，它利用了感知上均匀的CIE L*a*b*色彩空间，通过跨数据集共享的固定先验参数来实现稳健的渗出物分割。通过首先识别并去除渗出物区域，我们的流程通过减少病变之间的混淆，提高了后续多尺度微动脉瘤检测阶段的特异性。在公共数据集上的评估表明，我们的方法在DIARETDB1（DDB1）上的渗出物检测准确率为0.93，在e-Ophtha数据集上的微动脉瘤检测F分数为0.460，在具有挑战性的Retinopathy Online Challenge数据集上的微动脉瘤检测F分数为0.291。我们的结果表明，这种透明且具有色彩感知能力的流程是一种可解释且实用的替代方案，可用于自动糖尿病视网膜病变筛查，无需依赖数据集。源代码可在以下链接公开获取：https://github.com/milad67/Adaptive-Color-Morphology-DR。