基于目标检测的小儿白内障病灶识别和定位

发布时间：2023-11-27 17:40

　　小儿白内障是一种常见的严重危害婴幼儿视力健康发育的眼科疾病,通常发生在婴幼儿视觉发育的敏感时期。如果得不到及时有效的医学诊断和治疗,将会造成不可逆的视力损害。临床上,弥散光源影像是眼科医生诊断小儿白内障的主要介质,然而,小儿白内障具有多样性,很难直接地给出详细的病灶描述。因此,病灶的准确分析无疑是建立小儿白内障早期筛查、诊断和监测管理的关键。随着人工智能的发展,基于深度学习的分类和目标检测算法在医疗领域中得到了广泛的应用。计算机辅助自动诊断为医疗影像分析开辟了一个新的研究方向。弥散光源影像的积累也为小儿白内障病灶的自动检测提供了数据支持,使得基于计算机算法进行客观、快速、准确地小儿白内障病灶定位和识别成为了可能。本文以国内某著名眼科医院提供的小儿白内障弥散光源影像为基础,基于深度学习的目标检测算法构建了一个小儿白内障病灶自动检测模型,并以此模型为基础进行了多个角度的病灶分级识别,实现了小儿白内障病灶的精准分析。本文的研究内容主要包括小儿白内障病灶的自动检测和分级两部分。在病灶检测中,首先基于像素四邻域关系的降噪算法预处理小儿白内障弥散光源影像,过滤噪声;然后,提出了一种带有跳跃连接结构...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文工作及组织结构
第二章 相关理论基础
    2.1 深度卷积神经网络概述
    2.2 基于深度学习的目标检测算法
        2.2.1 基于候选区域的深度学习目标检测算法
        2.2.2 基于回归的深度学习目标检测算法
    2.3 其他的相关技术
        2.3.1 Softmax回归
        2.3.2 类激活映射
    2.4 本章小结
第三章 基于弥散光源影像的小儿白内障病灶检测模型
    3.1 小儿白内障弥散光源影像降噪预处理
        3.1.1 弥散光源影像分析
        3.1.2 基于像素四邻域关系的降噪算法
    3.2 基于Faster R-CNN的小儿白内障病灶检测算法实现
        3.2.1 标准的Faster R-CNN小儿白内障病灶检测
        3.2.2 改进的Faster R-CNN小儿白内障病灶检测
    3.3 基于小儿白内障病灶检测结果的分级描述
        3.3.1 小儿白内障病灶分级准则
        3.3.2 基于小儿白内障病灶检测结果的分级实现
    3.4 本章小结
第四章 基于深度学习的小儿白内障病灶分级模型
    4.1 基于卷积神经网络的病灶分级
        4.1.1 VGG网络病灶分级
        4.1.2 ResNet网络病灶分级
    4.2 基于特征融合的病灶分级
        4.2.1 初级特征提取
        4.2.2 多种特征融合
        4.2.3 基于主成分分析PCA的特征降维
    4.3 本章小结
第五章 实验结果与分析
    5.1 实验数据说明
        5.1.1 用于病灶检测的数据
        5.1.2 用于病灶分级的数据
    5.2 实验环境及相关评价指标
        5.2.1 实验环境
        5.2.2 相关评价指标
    5.3 小儿白内障病灶检测模型实验结果统计与分析
        5.3.1 小儿白内障检测模型结果分析
        5.3.2 基于检测模型输出结果的分级分析
    5.4 病灶分级模型的结果统计与分析
        5.4.1 基于卷积神经网络的病灶分级实验结果统计与分析
        5.4.2 基于特征融合的病灶分级实验结果统计与分析
        5.4.3 小儿白内障病灶分级实验结果分析
    5.5 本章小结
第六章 总结与展望
    6.1 本文工作总结
    6.2 进一步研究方向
参考文献
致谢
作者简介



本文编号：3868266