基于深度学习的眼底视网膜图像分割研究

发布时间：2022-07-03 13:49

　　糖尿病视网膜病变（Diabetic Retinopathy,DR）是成年人最主要的致盲原因。当前阶段,DR一般是通过眼科医生观察视网膜上异常病灶进行诊断。但是,DR病变情况复杂,各种病变差别很大,而且病变程度不一,导致眼科医生诊断困难。而利用计算机视觉技术可以辅助眼科医生实现诊断,不仅能提高诊断效率,还能增加诊断的准确率。本文主要运用卷积神经网络（Convolutional Neural Network,CNN）对眼底图像进行分割。针对眼底图像数据集小的问题,提出了两个解决方案:1.用熵采样方法有效提取图像块（patch）,设计基于patch的全卷积网络。通过熵采样可以剔除大量不包含有效信息的patch,大大减少运算量,同时充分利用了相邻像素的信息,可以提高分割性能。为了解决类别不平衡问题,使用加权交叉熵作为损失函数（loss）。2.通过数据增强扩充数据集,使用扩充后的数据集训练全卷积网络（Fully Convolutional Network,FCN）实现图像分割。标准U-Net使用长跳跃连接实现特征的有效传递,使分割效果更好,而残差网络（Res Net）的捷径和密集网络（Dense... 

【文章页数】：98 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
        1.2.1 血管分割算法综述
        1.2.2 视盘分割算法综述
        1.2.3 渗出物分割算法综述
        1.2.4 出血分割算法综述
    1.3 研究内容与创新点
        1.3.1 血管分割算法
        1.3.2 视盘分割算法
        1.3.3 渗出物分割算法
        1.3.4 出血分割算法
    1.4 本文的各章安排
第二章 背景知识介绍
    2.1 视网膜眼底图像分类
    2.2 视网膜生理结构
    2.3 人工神经网络
        2.3.1 神经元与感知器
        2.3.2 多层感知器
    2.4 卷积神经网络介绍
        2.4.1 卷积神经网络基本框架
        2.4.2 经典分类网络结构介绍
        2.4.3 经典分割网络结构介绍
    2.5 本章小结
第三章 血管分割算法
    3.1 血管数据集介绍
    3.2 算法概述
        3.2.1 图像预处理
        3.2.2 熵采样
        3.2.3 基于patch的全卷积网络
        3.2.4 加权交叉熵损失函数
        3.2.5 网络训练参数
    3.3 实验结果与分析
    3.4 结论
    3.5 本章小结
第四章 视盘分割算法
    4.1 视盘数据集介绍
    4.2 视盘分割算法概述
        4.2.1 图像预处理
        4.2.2 数据增强
        4.2.3 网络结构
        4.2.4 扩展的Dice损失函数
        4.2.5 网络训练参数
    4.3 实验结果与分析
        4.3.1 损失函数曲线分析
        4.3.2 算法分割结果与评价
        4.3.3 特征可视化
    4.4 结论
    4.5 本章小结
第五章 渗出物分割算法
    5.1 渗出物数据集介绍
    5.2 算法概述
        5.2.1 图像预处理
        5.2.2 数据增强
        5.2.3 扩展Dice损失函数
        5.2.4 网络训练参数
    5.3 实验结果与分析
        5.3.1 损失函数曲线分析
        5.3.2 算法分割结果与评价
        5.3.3 特征可视化
    5.4 结论
    5.5 本章小结
第六章 出血分割算法
    6.1 出血数据集介绍
    6.2 算法概述
        6.2.1 图像预处理
        6.2.2 数据增强
        6.2.3 扩展Dice损失函数
        6.2.4 网络训练参数
    6.3 实验结果与分析
        6.3.1 损失函数曲线分析
        6.3.2 算法分割结果与评价
        6.3.3 特征可视化
    6.4 结论
    6.5 本章小结
第七章 总结与展望
    7.1 论文总结
    7.2 未来展望
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间参与的项目



本文编号：3654978