面向视网膜眼底图像的血管分割及糖尿病分类方法研究

发布时间：2023-03-03 23:31

　　随着深度学习的不断发展,以及其在图像分割和分类领域的显著效果,利用深度学习技术,通过眼底图像辅助诊断眼部疾病逐渐受到广泛研究和关注。视网膜血管是眼部疾病准确的诊断、早期治疗和手术计划的关键步骤。许多致盲的眼部疾病均可直接从眼底视网膜血管的病变等观察到,而糖尿病性视网膜病变进行早期治疗可以有效延缓或避免视力损害的进展。因此,实现智能的视网膜眼底图像下的血管分割和糖尿病眼病分类具有重要的临床意义。本文针对当前视网膜眼底图像下的血管分割和糖尿病视网膜病变存在的问题,提出了基于Weighted Res-UNet的视网膜眼底血管分割方法以及基于Grad-CAM的糖尿病视网膜病变分类及可视化方法。本文的主要研究工作和创新点如下:(1)针对目前视网膜眼底图像下的血管分割的难点,提出了Weighted Res-UNet视网膜血管分割方法。该方法使用自适应直方图均衡(CLAHE)以及常规图像增强进行数据预处理,利用卷积神经网络中U-Net网络,通过添加加权Attention机制和跳过连接方法,进行重要的改进,可以学习更多区分血管和非血管像素的特征,并更好地维护视网膜血管树状结构。在DRIVE和STARE...

【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 研究背景与意义
    1.2 国内外研究现状及存在的问题
        1.2.1 视网膜眼底图像下的血管分割研究现状
        1.2.2 视网膜眼底图像下的糖尿病分类方法研究现状
    1.3 主要研究内容和创新点
    1.4 本文结构安排
第二章 相关技术介绍
    2.1 基于深度学习的图像分类与分割常用模型
        2.1.1 基于深度学习的图像分类常用模型
        2.1.2 基于深度学习的图像分割常用模型
    2.2 眼底图像血管分割数据集与评价指标
        2.2.1 眼底图像血管分割数据集
        2.2.2 眼底图像血管分割评价指标
    2.3 糖尿病性视网膜病变检测数据集与评价指标
        2.3.1 糖尿病性视网膜病变检测数据集
        2.3.2 糖尿病性视网膜病变检测评价指标
    2.4 本章小结
第三章 基于Weighted Res-UNet的视网膜眼底血管分割方法
    3.1 引言
    3.2 方法
        3.2.1 眼底图像预处理
        3.2.2 Weighted Res-UNet模型架构
        3.2.3 训练损失函数
    3.3 实验
        3.3.1 数据集
        3.3.2 实验结果
    3.4 本章小结
第四章 基于Grad-CAM的糖尿病视网膜病变分类及可视化方法
    4.1 引言
    4.2 方法
        4.2.1 眼底图像预处理
        4.2.2 糖尿病性视网膜病变图像分类模型架构
        4.2.3 网络可视化算法Grad-CAM
        4.2.4 基于BoW的图像分类模型
        4.2.5 多层神经网络分类模型
    4.3 实验
        4.3.1 数据集
        4.3.2 实验结果
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
附录 硕士期间发表的论文及其它成果
致谢



本文编号：3753317