基于深度学习的眼底图像分割与辅助诊断研究

发布时间：2020-03-18 13:06

【摘要】：青光眼是目前世界上致盲率较高的一种眼科疾病。早期青光眼没有明显的症状,一旦患者发现视力下降和视野缺失时,往往已经达到青光眼晚期,病程不可逆转。在临床上,眼科医生使用彩色眼底图像对患者进行初步的眼底筛查。但目前眼科疾病的临床诊断严重依赖于眼科医生的医学经验,导致检查结果差异性较大。在大规模眼底检查中,医生需要花费大量的时间和精力,因而存在误诊和漏诊的现象。因此,本文使用计算机辅助诊断技术,通过结合图像处理和深度学习技术辅助眼科医生进行大规模眼底检查。在眼底图像中,青光眼疾病的发生常表现为视神经萎缩和视盘线状出血,即视盘、视杯和视网膜血管发生变化。因此,利用计算机实现视盘、视杯和视网膜血管等结构的准确分割和相关各项参数的测量,对青光眼疾病的初步筛查和后期诊断具有重要的意义。针对目前已有分割算法存在准确率不高、灵敏度较低和错误识别分割区域等问题,本文基于深度学习的基本理论,设计深度神经网络模型实现视网膜血管、视盘和视杯结构的分割,并利用分割结果计算临床参数来辅助眼科医生进行青光眼疾病的初步筛查工作。本文的主要工作如下:首先,针对已有血管分割算法对眼底图像中细小血管分割准确率不高以及灵敏度较低的问题,提出一种改进U型网络的眼底图像血管分割算法。该算法利用残差网络的思想,将传统卷积层串行连接方式改为残差映射相叠加的方式,并在卷积层之间加入批量归一化和PReLU激活函数对网络进行优化。算法在DRIVE和CHASE_DB1眼底数据库上进行实验,相较文献中最好的算法在准确率、灵敏度和AUC上平均提高了2.47%、0.21%和0.35%。其次,针对已有视盘视杯分割算法对眼底图像中视盘和视杯分割精度不高以及错误识别分割区域的问题,提出了一种利用深度学习技术实现眼底视盘视杯分割的算法。该算法通过设计全卷积神经网络并结合全连接条件随机场作为后处理来分割眼底图像中的视盘视杯区域。实验结果表明该算法改善了对视盘视杯区域边缘的识别,提高了分割的精度。最后,为了验证本文提出算法的实用性,本文在医院中采集到的50幅临床彩色眼底图像上进行实验,实现了青光眼疾病的初步筛查。利用本文提出的网络模型分割出视网膜血管、视盘和视杯结构,计算杯盘比、神经视网膜边缘比率和视网膜血管比率等临床参数来初步筛查青光眼疾病。实验表明,本文辨别疑似青光眼疾病的准确率可达96%。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【相似文献】

相关期刊论文 前10条

1 高宏杰;邱天爽;丑远婷;周明;张晓博;;基于改进U型网络的眼底图像血管分割[J];中国生物医学工程学报;2019年01期

2 吉浩;刘灵;李璐;赵丹丹;;眼底图像处理与分析中的关键技术研究[J];中国继续医学教育;2018年27期

3 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[J];临床医学工程;2013年01期

4 刘爱珍,马斌荣,徐亮,杨桦,孙秀英;眼底图像融合[J];中国医学影像技术;2003年11期

5 陆辉辉;夏海英;;基于机器学习对眼底图像视网膜血管分割方法[J];广西物理;2018年Z1期

6 高玮玮;程武山;沈建新;左晶;张爱华;;免散瞳眼底图像在糖尿病视网膜病变自动筛查中的应用[J];激光生物学报;2015年04期

7 杨艳;邵枫;;基于双字典学习的眼底图像血管分割[J];光电子·激光;2019年02期

8 盛韩伟;戴培山;刘智航;张文妙韵;赵亚丽;范敏;;基于拓扑结构的眼底图像分割评价新方法[J];生物医学工程学杂志;2015年05期

9 呙明;陈长征;刘剑萍;聂尚武;;一款适用于糖尿病视网膜病变远程筛查的软件[J];眼科;2010年01期

10 姜平;窦全胜;王晶;;基于局部自适应点特异度阈值的眼底图像血管分割方法研究[J];南京大学学报(自然科学);2015年01期

相关会议论文 前6条

1 王子亮;潘林;余轮;;基于矢量方法的眼底图像预处理[A];第十四届全国图象图形学学术会议论文集[C];2008年

2 曹米莎;程建新;陈昱昆;庞博;王剑锋;詹增荣;邝健;周少博;李辉;梁纳;袁永刚;卢毓敏;陈悦玲;;眼底图像检验系统对眼底的临床观察与研究[A];“广东省光学学会2013年学术交流大会”暨“粤港台光学界产学研合作交流大会”会议手册论文集[C];2013年

3 唐甜华;唐建清;聂天宇;王贵学;叶志义;;基于眼底图像的视网膜血管三维重建[A];第十二届全国生物力学学术会议暨第十四届全国生物流变学学术会议会议论文摘要汇编[C];2018年

4 黄君鑫;;红外眼底镜的研究[A];中国光学学会2006年学术大会论文摘要集[C];2006年

5 陈骥;彭承琳;刘成冬;;眼底照相机图像采集处理系统设计[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年

6 ;外宾介绍[A];中国眼底病论坛·全国眼底病专题学术研讨会论文汇编[C];2008年

相关博士学位论文 前10条

1 周磊;深度学习在糖网病筛查中的研究与应用[D];上海交通大学;2018年

2 熊荔;基于彩色眼底图的图像分析与疾病自动诊断算法研究[D];北京理工大学;2017年

3 连剑;多光谱眼底图像处理算法研究[D];山东师范大学;2019年

4 张欣鹏;彩色眼底图像微动脉瘤检测方法研究[D];天津工业大学;2017年

5 姜平;眼底图像分割方法研究[D];吉林大学;2018年

6 韩松涛;眼底图像的血管特征分析[D];吉林大学;2010年

7 金凯;重要眼病基于计算机辅助图像分析诊断技术研究[D];浙江大学;2018年

8 高玮玮;眼底图像分割算法及应用研究[D];南京航空航天大学;2013年

9 姚畅;眼底图像分割方法的研究及其应用[D];北京交通大学;2009年

10 王玉亮;眼底图像处理与分析中的关键技术研究[D];南京航空航天大学;2012年

相关硕士学位论文 前10条

1 孙晶;基于深度学习的视网膜图像分析算法研究[D];南京航空航天大学;2019年

2 吴陆辉;基于深度学习的糖尿病视网膜病变诊断[D];南京航空航天大学;2019年

3 高宏杰;基于深度学习的眼底图像分割与辅助诊断研究[D];大连理工大学;2019年

4 刘梦雪;糖尿病性视网膜病变眼底图像自动分析[D];上海交通大学;2017年

5 舒龙飞;基于卷积神经网络的眼底图像视盘视杯分割方法研究[D];华中科技大学;2019年

6 商逸凡;基于数据增强的糖尿病性视网膜病变检测[D];北京交通大学;2019年

7 吴广贤;基于图像处理的糖尿病视网膜病变辅助诊断研究[D];华北水利水电大学;2019年

8 李郭;基于深度学习的糖尿病视网膜眼底图像病变分析算法研究[D];上海交通大学;2018年

9 刘江明;眼底图像的糖网病变分类研究与实现[D];电子科技大学;2019年

10 徐宏;基于眼底图像的糖尿病视网膜病变智能诊断[D];电子科技大学;2019年

，

本文编号：2588755