基于时序红反影像的后发性白内障预测问题研究

发布时间：2020-12-05 15:03

　　后发性白内障（Posterior Capsular Opacification,PCO）是白内障手术后常见的一种并发症,简称后发障。后发障的出现会直接影响白内障术后患者的视力恢复,目前Nd:YAG激光是治疗后发障的一种有效方式,但是一旦错过最佳的治疗时机,就只能通过手术方式切除后囊膜,因此后发障的及时发现和治疗对于白内障术后患者的视力恢复起着关键性的作用。白内障手术后患者需要定期到医院进行复查,拍摄的眼部红反光源影像是诊断和分析后发障的有效介质,连续多次复查的影像可形成时序影像,通过分析时序红反光源影像可以发现后发障的发展变化规律,从而实现后发障的预测。然而,医生很难科学地挖掘到这其中的规律,因此本文提出了一种基于卷积神经网络（Convolutional Neural Network,CNN）和卷积长短期记忆网络（Convolutional Long Short-Term Memory,ConvLSTM）的后发障预测方法,可以生成下一时刻的眼部红反影像,并预测和评估其严重性,以决定患者在未来半年内是否需要接受Nd:YAG激光治疗。本文的主要工作包括以下三个方面:（1）晶状体区域自动检测... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

_吕LSTM内部结构图

4残芳诈

基于生成影像的后发障严重程度预测方法实验分析5.4.1 实验环境及算法参数设置实验在 Linux 操作系统下基于 Keras 搭建了相关的实验平台，在模型训批量梯度下降法进行参数更新，Batch 的大小为 50，即每次随机输入 5，网络总共进行 150 个 epoch 迭代，初始学习率为 0.01（迁移学习的初0.001），经过 100 个 epoch 后学习率降为原来的十分之一。5.4.2 实验结果统计及分析文基于残差块结构搭建了深度卷积神经网络用于预测评估后发障的严重卷积神经网络中，网络的深度即网络的层数、训练中使用到的技术以及择都对模型的性能起到了关键的作用。下面从网络层数、批量归一化技活函数的选择和迁移学习技术的使用几个方面对网络模型进行对比分析文首先分析了残差卷积神经网络的层数对网络性能的影响，在深度卷积


本文编号：2899641