基于机器学习的角膜炎图像辅助诊断研究与实现

发布时间：2024-12-01 23:16

　　角膜炎是一种常见的眼科疾病,是我国主要致盲眼病之一。隐形眼镜的佩戴和眼部手术的普及大大增加了角膜炎的患病率。角膜炎患者若不接受及时的治疗或手术,必然会影响视力,严重者甚至会使角膜遭受不可逆转的损伤,最后导致眼睛失明,这极大地影响了人们的生活。近年来,随着机器学习领域的不断发展,计算机辅助诊断成为了一种新型的医疗模式,这为改善角膜炎的医疗现状提供了一个新的研究方向。裂隙灯检查是眼科临床中的一项常见且重要的检查,它为医生直观展现了患者的角膜真实形态,提供了诊断依据,同时也为角膜炎计算机辅助诊断提供了数据资源,使得将计算机技术应用于角膜炎的诊断成为可能。本文基于机器学习的方法,采用中山大学眼科中心收集的眼部裂隙灯图像对角膜炎辅助诊断问题进行研究。主要包含角膜炎图像分类和分级两部分工作。在角膜炎图像分类中,本文首先采用了传统机器学习的方法,对裂隙灯图像通过将LBP和SIFT特征提取方法与SVM、RBF、随机森林和kNN等分类算法相结合,构建出8种角膜炎分类模型,并对这些分类模型进行分析比较。然后采用了在图像分类领域有出色表现的深度学习网络,采用迁移学习的方法,基于Inception v4和残差网...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图2,1角膜炎阶段裂隙灯图像示例

角膜炎临床表现为角膜浑浊和破损，裂隙灯图像会出现白色区域和纹理。根据角膜炎图像特征，本文选择角膜炎两个属性进行严重程度分级：角膜炎阶段和边缘是否清晰。角膜炎阶段分为两个等级：浸润期（图2.1(a)）和溃疡/穿孔期（图2.1(b)/图2.1(c)）；根据病灶周围是否清晰分为两个等级....

图2.fiSIFT关难建点撒休子示意图

西安电子科技大学硕士学位论文SIFT关键点方向确定示意图4）生成关键点描述子关键点描述子生成方式如图2.6所示，按照步骤3）中的方式，将图2.6a中点分别生成图2.6b中16组的8维特征值，关键点P的描述子便由这16个点维度产生，其关键点描述子为....

图2.12kNN最邻近分类原碑图

森林对于一些缺省值的问题也能够得到很好的结果。最邻近（k-NearestNeighbor，kNN）算法的本质思想是基于特征练集的相似程度决定了对给定数据点进行分类的方式。言外况将通过其k个邻居的多数投票来决定，该对象被分配给它的类别。图2.12为例说明k最邻近的分....

图511习妞P加能卜心旧山妞伪)

图5.1显示了四种特征分类方法分别基于SIFT（图5.1(a)）以及LBP（图5.1(b)）的AOC曲线图以及AUC值。从上图中我们可以清晰的看到，LBP相对于SIFT来说，更适合对于眼科疾病的特征提取，基于LBP的四种分类方法的AUC平均值高于....

本文编号：4013908