眼底激光治疗智能辅助系统关键技术研究
发布时间：2022-02-20 07:51
激光治疗是治疗糖尿病视网膜病变的主要手段之一。然而目前市面上的眼底激光治疗仪自动化程度不高,激光在眼底视网膜的定位和聚焦方面基本上都是依赖于医生手工操作,医生手工操作精度低,治疗效果差,严重时甚至会损害患者的视网膜,而且手工操作效率低,治疗时间长,会造成医生疲劳和患者不适的情况。针对上述问题,本文对眼底激光治疗智能辅助系统的关键技术进行深入研究。本文设计了眼底激光治疗智能辅助系统的总体设计方案,该系统主要由眼底数字图像采集单元、上位机软件控制单元、嵌入式激光控制单元组成,分析了各个模块在整个系统中的作用以及各模块之间的相互联系,详细分析了整个模块所选用到的硬件设备,详细介绍了各个硬件的详细参数信息。本文着重对眼底激光治疗智能辅助系统中的眼底特征识别算法进行研究,详细介绍了算法所涉及到的基础知识,并且基于双线性卷积神经网络结构,提出了双线性空洞卷积U-net神经网络模型算法,用于对眼底视网膜的中央凹区域和视盘区域的图像语义分割,详细分析了该神经网络模型的设计原理,阐述了该神经网络模型的搭建和实现过程,详细说明了眼底视网膜数据集的制作过程。本文基于振镜系统设计了嵌入式激光控制系统,详细说明...
【文章来源】：电子科技大学四川省211工程院校985工程院校教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题背景及研究意义
1.2 国内外研究现状
1.2.1 眼底的激光治疗仪的研究现状
1.2.2 深度学习在眼科领域的研究现状
1.3 论文的主要工作
1.4 论文的章节安排
第二章 眼底激光治疗智能辅助系统总体方案设计
2.1 眼底激光治疗仪智能辅助系统总体概述
2.2 眼底激光治疗仪智能辅助系统原理
2.3 眼底激光治疗仪智能辅助系统硬件选择
2.3.1 相机选择
2.3.1.1 普通相机与工业级相机的比较
2.3.1.2 工业级相机的参数选择
2.3.2 激光光源的选择
2.3.3 振镜头的选择
2.3.4 一维移动平台的选择
2.4 本章小结
第三章 眼底图像分割算法
3.1 相关理论基础
3.1.1 卷积神经网络理论基础
3.1.1.1 卷积神经网络
3.1.1.2 空洞卷积神经网络
3.1.2 传统图像分割算法
3.1.2.1 阈值分割算法
3.1.2.2 分水岭算法
3.1.3 深度学习在图像分割中的应用
3.1.3.1 全卷积神经网络
3.1.3.2 U-net深度学习模型算法简介
3.1.3.3 Deeplab V3+算法
3.1.4 双线性卷积神经网络模型原理
3.2 双线性空洞卷积U-net网络原理
3.3 DBCU-net图像分割算法的实现
3.3.1 眼底彩色图像数据集准备
3.3.2 眼底图像处理数据集预处理
3.3.3 模型训练
3.4 本章小结
第四章 嵌入式激光控制系统
4.1 引言
4.2 振镜式激光扫描系统基本理论
4.2.1 振镜式激光扫描系统基本原理
4.2.2 二维振镜扫描数学模型
4.2.3 激光动态聚焦系统理论计算
4.2.4 基于深度学习的激光自动聚焦算法
4.3 振镜式激光扫描系统扫描控制卡设计
4.4 本章小结
第五章 实验及结果分析
5.1 双线性空洞卷积U-net神经网络实验结果分析
5.1.1 基本环境配置
5.1.2 双线性空洞卷积U-net神经网络评价
5.2 嵌入式激光控制系统实验分析
5.2.1 嵌入式激光控制系统实验环境搭建
5.2.2 上位机控制系统软件界面设计
5.2.3 激光聚焦深度学习神经网络模型测试
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读硕士学位期间取得的研究成果
【参考文献】：
期刊论文
[1]基于Dopout与ADAM优化器的改进CNN算法[J]. 杨观赐,杨静,李少波,胡建军. 华中科技大学学报(自然科学版). 2018(07)
[2]基于数据增强的卷积神经网络图像识别研究[J]. 高友文,周本君,胡晓飞. 计算机技术与发展. 2018(08)
[3]图像语义分割深度学习模型综述[J]. 张新明,祝晓斌,蔡强,刘新亮,邵玮,王磊. 高技术通讯. 2017(Z1)
[4]激光发射光学系统聚焦分析[J]. 张春龙,杜少军. 光电技术应用. 2015(01)
[5]高速数字扫描振镜驱动卡设计及研究[J]. 张荣,张秋鄂,李永正. 应用激光. 2013(05)
[6]基于改进分水岭算法的医学图像分割的研究[J]. 刘喜英,吴淑泉,徐向民. 微电子技术. 2003(04)
[7]三维振镜激光扫描系统的控制算法及其应用[J]. 汪会清,史玉升,黄树槐. 华中科技大学学报(自然科学版). 2003(05)
[8]中国12个地区中老年人糖尿病患病率调查[J]. 国家“九五”攻关计划糖尿病研究协作组. 中华内分泌代谢杂志. 2002(04)
[9]半导体激光器的最新进展及其应用现状[J]. 王德,李学千. 光学精密工程. 2001(03)
[10]基于裂隙灯的外眼图像采集与处理系统[J]. 卫保国,沈波,王兴伟,沈兰荪. 测控技术. 2001(05)
本文编号：3634598
【文章来源】：电子科技大学四川省211工程院校985工程院校教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 课题背景及研究意义
1.2 国内外研究现状
1.2.1 眼底的激光治疗仪的研究现状
1.2.2 深度学习在眼科领域的研究现状
1.3 论文的主要工作
1.4 论文的章节安排
第二章 眼底激光治疗智能辅助系统总体方案设计
2.1 眼底激光治疗仪智能辅助系统总体概述
2.2 眼底激光治疗仪智能辅助系统原理
2.3 眼底激光治疗仪智能辅助系统硬件选择
2.3.1 相机选择
2.3.1.1 普通相机与工业级相机的比较
2.3.1.2 工业级相机的参数选择
2.3.2 激光光源的选择
2.3.3 振镜头的选择
2.3.4 一维移动平台的选择
2.4 本章小结
第三章 眼底图像分割算法
3.1 相关理论基础
3.1.1 卷积神经网络理论基础
3.1.1.1 卷积神经网络
3.1.1.2 空洞卷积神经网络
3.1.2 传统图像分割算法
3.1.2.1 阈值分割算法
3.1.2.2 分水岭算法
3.1.3 深度学习在图像分割中的应用
3.1.3.1 全卷积神经网络
3.1.3.2 U-net深度学习模型算法简介
3.1.3.3 Deeplab V3+算法
3.1.4 双线性卷积神经网络模型原理
3.2 双线性空洞卷积U-net网络原理
3.3 DBCU-net图像分割算法的实现
3.3.1 眼底彩色图像数据集准备
3.3.2 眼底图像处理数据集预处理
3.3.3 模型训练
3.4 本章小结
第四章 嵌入式激光控制系统
4.1 引言
4.2 振镜式激光扫描系统基本理论
4.2.1 振镜式激光扫描系统基本原理
4.2.2 二维振镜扫描数学模型
4.2.3 激光动态聚焦系统理论计算
4.2.4 基于深度学习的激光自动聚焦算法
4.3 振镜式激光扫描系统扫描控制卡设计
4.4 本章小结
第五章 实验及结果分析
5.1 双线性空洞卷积U-net神经网络实验结果分析
5.1.1 基本环境配置
5.1.2 双线性空洞卷积U-net神经网络评价
5.2 嵌入式激光控制系统实验分析
5.2.1 嵌入式激光控制系统实验环境搭建
5.2.2 上位机控制系统软件界面设计
5.2.3 激光聚焦深度学习神经网络模型测试
5.3 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻读硕士学位期间取得的研究成果
【参考文献】：
期刊论文
[1]基于Dopout与ADAM优化器的改进CNN算法[J]. 杨观赐,杨静,李少波,胡建军. 华中科技大学学报(自然科学版). 2018(07)
[2]基于数据增强的卷积神经网络图像识别研究[J]. 高友文,周本君,胡晓飞. 计算机技术与发展. 2018(08)
[3]图像语义分割深度学习模型综述[J]. 张新明,祝晓斌,蔡强,刘新亮,邵玮,王磊. 高技术通讯. 2017(Z1)
[4]激光发射光学系统聚焦分析[J]. 张春龙,杜少军. 光电技术应用. 2015(01)
[5]高速数字扫描振镜驱动卡设计及研究[J]. 张荣,张秋鄂,李永正. 应用激光. 2013(05)
[6]基于改进分水岭算法的医学图像分割的研究[J]. 刘喜英,吴淑泉,徐向民. 微电子技术. 2003(04)
[7]三维振镜激光扫描系统的控制算法及其应用[J]. 汪会清,史玉升,黄树槐. 华中科技大学学报(自然科学版). 2003(05)
[8]中国12个地区中老年人糖尿病患病率调查[J]. 国家“九五”攻关计划糖尿病研究协作组. 中华内分泌代谢杂志. 2002(04)
[9]半导体激光器的最新进展及其应用现状[J]. 王德,李学千. 光学精密工程. 2001(03)
[10]基于裂隙灯的外眼图像采集与处理系统[J]. 卫保国,沈波,王兴伟,沈兰荪. 测控技术. 2001(05)
本文编号：3634598
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3634598.html
