基于深度学习的糖尿病眼底图像自动分类技术研究

发布时间：2020-05-12 10:50

【摘要】：近年来,人工智能技术得到快速发展,己经得到了社会各界的广泛关注。人工智能技术和现代医疗设备相结合,通过一定的计算机技术为疾病的诊断提供可靠的依据,已经成为现代医疗技术的发展趋势。视网膜眼底图像携带着对人体糖尿病诊断有重要作用的病理信息,传统的视网膜眼底图像的处理,在大多数情况下受制于医生经验,效率不高,本文充分利用人工智能技术构建了一套基于web的糖尿病眼底图像自动分类系统。本文主要做了如下工作:1.在视网膜眼底特征子图像的提取阶段,采用改进后的U-net网络对原始的视网膜眼底图像提取血管、出血点以及渗出物的特征子图像,融合三种特征子图像的结果,为之后分类网络的特征图像的输入做准备。2.视网膜眼底图像分类网络的实现,本文中的主干网络采用经典的Inception-ResNet-v2网络和Xception网络进行对比实验,设计双塔分类网络模型,采用基于ImageNet迁移学习的参数初始化方式对分类网络进行训练。3.使用遗传算法对网络提取出来的特征向量进行加权融合,并且使用支持向量机进行分类。4.基于web的糖尿病性视网膜病变眼底图像检测可视化页面的实现,以Node.js作为开发语言,结合本文糖尿病等级自动分类结果进行相应可视化展示,以及自动诊断报告的输出,在浏览器端实现糖尿病性视网膜病变级别的自动分类。本文的研究通过深度网络进行特征子图像的提取,以及糖尿病性视网膜眼底图像的自动分类,力争通过原始图像与有监督的特征子图像融合的方式来提升糖尿病性视网膜病变等级自动分类准确度,同时实现糖尿病性视网膜图像分类流程以及分类结果的可视化,不仅大大地提升了医生的诊断效率,还在一定程度上推进了研究成果落地实用的进程。
【图文】：

出病变及时治疗具有重要的意义。临床上，根据是否出现新生视网膜血管，，将糖逡逑尿病性视网膜病变分为增殖性的视网膜病变和非增殖性的视网膜病变两类。此外逡逑视网膜毛细血管的病变，主要表现为眼底出血点和眼底渗出物等，如图２－１所示。逡逑眼底血管．逦眼逡逑Ｅｎ＇ｆｍ＇逡逑ｌｘ逡逑眼底出血点逡逑图２－１眼底图像结构标注图逡逑７逡逑

通道的权重，Ｒ、Ｇ和Ｂ分别表示红色、绿色和蓝色通道，这三个值的和为１．０，逡逑其中０．５８７为最大的权重，对应着原始图像的Ｇ通道，因为该通道包含的信息最逡逑多，对应的图像也最清晰。图２－４展示的是灰度转换前后的图像。在图２－４中，逡逑图２－４（ａ）为原始图像，图２－４（ｂ）为灰度化后的图像。逡逑（ａ）原始图像逦（ｂ）灰度化图像逡逑图２－４图像灰度化逡逑２．２．２图像标准化和归一化逡逑由于原始图像的像素值范围变化很大，因此分类算法的目标函数在没有标准逡逑化的情况下可能无法很好地处理图像的原始特征［１８］。如果原始图像中的某一特逡逑征具有广泛的取值范围，则该特征可能会严重影响到最后的分类效果。因此，在逡逑执行分类任务之前，应将所有的特征的取值范围规范化到一定范围，以保持特性逡逑之间的平衡权重。本文中使用的归一化方法如公式（２－３）所示。逡逑Ｘ－N逡逑Ｘ－ｍｉｄ＝邋Ｌ逦ａ－邋＾逦（２－２）逡逑１１逡逑
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP183;R587.2;R770.4

【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 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

2 姜平;眼底图像分割方法研究[D];吉林大学;2018年

3 韩松涛;眼底图像的血管特征分析[D];吉林大学;2010年

4 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

5 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

6 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

7 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

8 李居朋;眼底图像处理与分析中一些关键问题的研究[D];北京交通大学;2009年

9 王少泽;基于概率推断的图像质量评价关键技术研究与应用[D];浙江大学;2017年

10 李鹏飞;眼底图像实时处理与液晶自适应系统控制研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

相关硕士学位论文 前10条

1 乔志强;基于深度学习的糖尿病眼底图像自动分类技术研究[D];北京邮电大学;2019年

2 李晓刚;基于迁移学习的糖网病眼底图像自动分类研究[D];深圳大学;2018年

3 庞田田;糖网病眼底图像的聚类研究[D];深圳大学;2018年

4 刘梦佳;基于深度学习的DR眼底图像黄斑水肿分级方法研究[D];天津工业大学;2019年

5 张诗浩;基于深度学习的眼底图像出血点分割方法研究[D];天津工业大学;2019年

6 刘森泽;基于深度学习的糖尿病视网膜病变智能诊断系统[D];山东大学;2018年

7 李博;基于彩色眼底图像的新生血管自动检测方法[D];东北大学;2015年

8 段汶君;基于曲线群匹配的OCT眼底图像分割方法研究[D];山东师范大学;2018年

9 任秀秀;基于监督描述子的眼底图像黄斑病变分割方法研究[D];山东师范大学;2018年

10 王文涛;基于脉冲耦合神经网络的眼底图像血管分割及视盘检测算法研究[D];广西师范大学;2018年

本文编号：2660100