SJTU AU3605大作业 - 基于背景重构的眼底视网膜图像的异常区域检测方法复现

上海交通大学 数字图像处理与模式分析 课程大作业

通过归一化处理和基于机器学习的检测分割方法，此方法实现了不同光照、不同尺寸的眼底视网膜图像的血管分割填充和OD/FCT位置对齐，并通过PCA分析重构图像，实现视网膜病灶区域的自动检测与分离。

使用

测试环境:

• python=3.10
• Windows/MacOS

以下所有操作均在仓库根目录AU3605-FinalProj下进行

安装依赖

pip install -r requirements.txt

模型训练

1. 生成数据集打包文件

   python scripts/generate_dataset.py
   

2. 训练中心检测模型

   python train_FCT.py
   

   python train_OD.py
   

3. 训练血管分割模型

   python train_unet.py
   

图像预处理

1. 将要输入图像放置于 input/ 下

2. 处理

   python main.py
   

3. 在 output/ 路径下获得处理结果

PCA（主成分分析）

假设所有正常图像已完成预处理，放置于 output/ 路径下

1. 使用正常图像进行主分量提取

   python PCA/pca_learning.py
   

2. 使用潜在病灶图像进行重构和病灶检测

   python PCA/pca_detect.py -p <待检测图像路径>
   

备注

• 颜色归一化参考图像路径为 utils/ref_img.jpg，可根据需要修改
• dataset 中 DISK 为OD/FCT标注，DRIVE 为血管分割标注

小组成员

@Pr0ximah

@520AWEI

@sjtu2210

@Charles Zhai