眼底即視網(wǎng)膜,位于眼球最內(nèi)層，是視覺神經(jīng)功能的重要組織部分，眼底組織結(jié)構(gòu)的病變與全身組織器官和系統(tǒng)疾病，尤其是與中樞神經(jīng)系統(tǒng)與血管系統(tǒng)等疾病聯(lián)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(shù)，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(shù)字化處理，可反映眼底血管結(jié)構(gòu)、血流動力學(xué)改變、血管病理生理變化及其相關(guān)結(jié)構(gòu)的病理改變，廣泛應(yīng)用于視網(wǎng)膜、脈絡(luò)膜及視神經(jīng)疾病的鑒別診斷，并可指導(dǎo)眼底病的激光光凝治療及推測視功能預(yù)后，從而為臨床診斷、預(yù)后評價、治療、療效觀察以及探討發(fā)病機理等提供有價值的依據(jù)。本文分別利用閾值分割法與BP神經(jīng)網(wǎng)絡(luò)算法對眼底造影血管圖像及眼底病變區(qū)域圖像進行分割與對比，使臨床醫(yī)生可以得到病變面積的較精確的測量數(shù)據(jù)，觀察到更細微的血管變化，為與此相關(guān)的心、腦血管系統(tǒng)和糖尿病的診治提供重要依據(jù)。
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(yī)學(xué)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(yù)設(shè)閾值相比較，大于閾值的像素點組成的區(qū)域就是要分割的目標區(qū)域,將這些區(qū)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(shè)定閾值和改變閾值，這種方法運算量小，速度快,但自適應(yīng)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(yīng)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(fā)生的概率越小，則該事物所攜帶的信息量越大。設(shè)某事物A發(fā)生的概率為p，則事物A的熵H(A)定義為：

[!--empirenews.page--]

　為了減少運算量，提高算法的速度，在算法的實現(xiàn)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(jīng)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(jīng)網(wǎng)絡(luò)分類器，利用神經(jīng)網(wǎng)絡(luò)BP訓(xùn)練算法進行訓(xùn)練。訓(xùn)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(xùn)練的神經(jīng)網(wǎng)絡(luò)分類器進行分類，根據(jù)分類結(jié)果就可得到眼底熒光圖像中的目標區(qū)域。
3 實驗結(jié)果分析與對比
　圖4所示為視網(wǎng)膜血管圖像分割結(jié)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(jīng)網(wǎng)絡(luò)分割后的血管圖像。圖5所示為視網(wǎng)膜病變區(qū)域分割結(jié)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(jīng)網(wǎng)絡(luò)分割后的圖像。對比兩種不同的分割方法可以發(fā)現(xiàn),基于閾值的分割方法運算速度較快，采用神經(jīng)網(wǎng)絡(luò)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(xué)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(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)在圖像分割中的應(yīng)用[J].計算機科學(xué),2007,34(2):234-236.
[6] 周志華,曹存根.神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[M] .北京:清華大學(xué)出版社,2004.