卷积神经网络在糖尿病性视网膜病变分类中的研究与应用

发布时间：2021-10-11 17:07

　　目前,糖尿病已经成为社会上的高发疾病,糖尿病性视网膜病变（Diabetic retinopathy,DR）是糖尿病常见的并发症,常导致患者的失明。诊断糖尿病性视网膜病变的过程耗时费力,导致大部分患者无法得到及时的诊断。近年来,随着深度学习的发展,使得其应用在糖尿病性视网膜病变的辅助诊断中成为可能。本文以糖尿病性视网膜病变作为研究对象,建立对其病变等级分类的算法模型。首先,根据患者眼底图像的噪声问题,提出了一系列预处理与图像增强的方式,同时采用对损失函数加权的方式处理数据集不平衡的问题。然后,分别利用Inception结构增加卷积网络宽度提取特征的能力;DenseNet在深层卷积网络中复用特征的能力以及MobileNet轻量化卷积网络的优势,重新训练以上三个卷积神经网络模型,对糖尿病性视网膜病变严重程度进行分类,并利用不同模型对不同病变特征的敏感性,集成上述模型以提高最终的准确率。最后,本文针对糖尿病性视网膜病变基层筛查困难,云服务租借费用高等情况,利用移动端轻便、操作简单的优势,设计了一个简易的辅助诊断系统,将算法模型部署在系统上,给予糖尿病患者以及医护人员辅助诊断建议。本文借助传统图... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

糖尿病性视网膜病变各类症状国际上通常把糖尿病性视网膜病变分为5个等级，正常、轻度非增殖性病变、中

络](Artificial Neural Network，ANN)，简称神经网络经元的连接来模拟生物神经网络。人工神经元(的基本单元，通过接收一组输入信号并产出输出入向量为 = , = 置， 为神经元输入信号 x的加权和，其表达 = = T 函数 后，得到神经元的活性值 ，其表达式为 = ( ) 激活函数，用来增加输出的非线性，常见的激活将会在 2.2.2 节中做详细介绍，神经元的结构如

图 2-2 前馈神经网络示例前馈神经网络的层数； ( )为第 层神经元的个数； ( )为 层( ) ( ) 1为 层到第 层的权重矩阵； ( ) ( )为 ( ) ( )为 层神经元的净输入； ( ) ( )为 层神经元的输馈神经网络的传播公式可以表示为式(2-3)和式(2-4)。 ( )= ( ) ( ) ( ) ( )= ( ( )) 以合并写为式(2-5)： ( )= ( ) ( ( )) ( ))： ( )= ( ( ) ( ) ( ))

【参考文献】：
期刊论文
[1]眼科影像学检查在早期诊断及治疗糖尿病视网膜病变中的作用价值[J]. 马瑞彤,鲁占军.  影像研究与医学应用. 2017(12)
[2]糖尿病视网膜病变的防治进展[J]. 梁卫强,王丽聪.  中华临床医师杂志(电子版). 2014(09)
[3]糖尿病视网膜病变的相关诊断技术展望[J]. 朱鸿,施彩虹.  国际眼科杂志. 2005(05)

硕士论文
[1]基于深度学习的自然场景文本检测与定位方法研究[D]. 罗聪.华南理工大学 2018



本文编号：3430925