近日，我校广东省数字信号与图像处理技术重点实验室范衠教授和其学生卢杰威的研究论文《A Hierarchical Image Matting Model for Blood Vessel Segmentation in Fundus Images》被SCI 人工智能1区期刊《IEEE Transactions on Image Processing》接收。另外，SCI信息系统1区期刊《IEEE Journal of Biomedical and Health Informatics》于此前发表了范衠教授和其学生容毅标的研究论文《Optic Disk Detection in Fundus Image Based on Structured Learning》。汕头大学为该两篇论文的第一完成单位。其中，IEEE Transactions on Image Processing（IEEE TIP）为汤生路透JCR分区的Q1区期刊，是图像处理领域的Top期刊，2017年影响因子为5.071；IEEE Journal of Biomedical and Health Informatics （IEEE J-BHI）为汤生路透JCR分区的Q1区期刊，是医学图像处理领域顶级期刊，2017年影响因子为3.850。
在医学实践中，眼底图像中视盘和血管检测在眼底图像分析与计算机辅助眼病诊断中扮演着举足轻重的角色，它们对早期发现和治疗不同的心血管病和眼部疾病（如中风、静脉阻塞、糖尿病和动脉硬化）具有重要价值。因此，如何使医生更高效地对眼部疾病进行诊断具有十分重要的现实意义，其中眼底图像的相关研究是提高医生诊断眼部疾病效率的重要途径之一。
在《A Hierarchical Image Matting Model for Blood Vessel Segmentation in Fundus Images》一文中，对眼底图像血管分割算法进行了深入的研究，提出了一种用于血管分割的分层抠图模型，如图1所示。该模型结合了血管的延展性特征，实现了眼底图像中血管的有效分割（如图2所示），具有重要的应用价值。
在《Optic Disk Detection in Fundus Image Based on Structured Learning》一文中，提出了一种基于结构学习的视盘检测算法，该算法利用结构学习对视盘边缘进行了检测（如图3所示），利用霍夫变换对视盘区域进行了定位，最后将两者结合用于提取视盘区域。该方法的意义在于利用了视盘的边缘信息与区域信息对视盘进行检测，从而提高了算法的性能（部分实验结果如图4所示），为视盘检测的研究提供了新的方法和思路。
近年来，随着交叉学科研究方法论的兴起，工程技术以及医疗技术的日益相互渗透，医科与工科的有效深度结合（即医工融合）成为可能，并且成效显著。多年以来，我校的信号与信息处理学科在积极推动工学和医学交叉学科的深入融合方面也作出了有益尝试。此次两篇高水平论文的发表，显示出我校信号与信息处理学科在医工融合领域的学科建设、人才培养方面取得了积极成效，预示了该学科在交叉学科研究领域高质量发展的强大生命力和激动人心的美好前景。
图1 (a)为眼部原始图像，(b)为基于分层抠图模型方法所产生的三元图，其中，白色、黑色和红色分别表示近景、背景和不明区域，(c)为论文1基于分层抠图模型方法所产生的最终结果图
图2 (a)(b)为来自DRIVE数据集图像，(c)(d)为来自STARE数据集图像。各子图中，左边为专家标注结果，右边为论文1所提算法的分割结果
图3 使用结构化森林检测视盘边缘图的过程
图4 (a)-(j)分别为视盘提取结果，其中绿色圆圈为标注结果，红色圆圈为论文2所提算法的检测结果
论文引用
论文1：Zhun Fan, Jiewei Lu, Caimin Wei, Han Huang, Xinye Cai, Xinjian Chen*. A Hierarchical Image Matting Model for Blood Vessel Segmentation in Fundus Image. IEEE Transactions on Image Processing, https://doi.org/ 10.1109/TIP.2018.2885495. (SCI人工智能1区，IF：5.072) A Hierarchical Image Matting Model for Blood Vessel Segmentation in Fundus Images.pdf
论文2：Zhun Fan, Yibiao Rong, Xinye Cai, Jiewei Lu, Wenji Li, Huibiao Lin, and Xinjian Chen*. Optic Disk Detection in Fundus Image Based on Structured Learning. IEEE Journal of Biomedical and Health Informatics, vol. 22, no. 1, pp. 224–234, 2018. (SCI信息系统1区，IF：3.850) Optic Disk Detection in Fundus Image Based on structured learning.pdf
