深度学习在青光眼普查系统中的应用
发布时间：2022-01-19 23:28
随着现代社会各类数据海量的积累,计算机计算能力的提升,学术界和工业界对算法模型及框架的改进,深度学习的发展正在突飞猛进。目前深度学习已经取得了很多成果,在各行各业都有所实际应用,解决了很多复杂的难题。由于我国医疗资源分布不均衡,常规眼底照相机不太方便对偏远地区的人们进行眼病普查,因此借助于深度学习技术,利用便携式手持眼底照相机进行身份认证和眼病辅助检测非常必要,不仅节约了医疗卫生资源,提高了医护人员的工作效率,也相对平衡了我国医疗水平分布不均、眼科医生水平参差不齐、大型医疗器械难以广及等问题。针对眼病普查这一需求背景,本文主要实现了普查系统中的身份验证流程和青光眼辅助检测流程,具体的研究内容如下:1.利用定位网络的预测结果进行坏图检测和视盘中心点定位。定位网络利用现有的网络Faster RCNN的架构设计,主要是对特征提取网络进行了改动,增加了多尺度输入层,并且对区域候选网络的anchors的选择也进行了调整,因为视盘区域本身相对于整张眼底图比较小,改动后的网络更适合小物体检测。2.在身份验证流程中利用数学形态学方法增强眼底图中的血管,并且利用改进的FaceNet实现眼底图身份验证,在...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
深度学习发展重要节点
浙江大学硕士学位论文第2章相关技术概况9合重新定位来确定OD[28]。开始提取G通道图片提取静脉血管骨架线最小二乘拟合静脉血管拟合结果是否满足准则抛物线拟合初定位视盘窗口扫描视盘精确定位结束依据视盘自身特性初定位视盘YN图2-1文献[26]提出的视盘定位流程图2-2文献[28]提出的视盘定位流程虽然上述文献提出的这些方法基于公知数据库进行测试取得了很不错的成绩，也有一定的实践应用，但是却达不到我们实际应用的准确度，一方面是基于
浙江大学硕士学位论文第2章相关技术概况12PreprocessingFeatureextractionMatching图2-3眼底图匹配通用流程比如KeisukeFukuta和ToshiakiNakagawa等人设计的通过视网膜眼底图像进行个人身份识别（personalidentification，PI）的相似度计算流程如图2-4所示，在这个设计流程中，预处理和特征提取阶段融合性比较大。在预处理和特征提取阶段，会利用形态学处理和阈值计算从输入图像中提取BV（bloodvessel），并将原始图像中BV区域的像素值替换为BV周围区域的像素平均值，从而得到BVE（bloodvesselerased），利用BVE图像的像素值，基于直方图分析来确定视盘在图像中的位置，由于输入图像和参考图像之间总会发生位移，定位的视盘服务于位移的配准；在匹配计算相似度时会利用模板匹配方式计算，利用输入图像和参考图像之间的RGB像素值的交叉相关系数（cross-correlationcoefficient）定义的相似性来实现PI，选取的区域是以视盘中心坐标为中心的360*360的像素区域[37]。图2-4文献[37]提出的流程图山东大学计算机学院的师生在2013年文章中所展示的系统构架如图2-5所示，首先会从原始视网膜图像中去除通过原始图像和ICGF（ImprovedCircularGaborTransform）模板进行卷积而得到的偏置区域来对不均匀分布的背景进行均匀化，将图像的像素归一到0到255之间，CGF（CircularGaborTransform）是对
【参考文献】：
期刊论文
[1]基于高低帽变换的图像迭代分割方法[J]. 阳振宇,潘建平,陈梦. 测绘工程. 2018(08)
[2]基于置信度计算的快速眼底图像视盘定位[J]. 吴慧,陈再良,欧阳平波,陈昌龙,邹北骥. 计算机辅助设计与图形学学报. 2017(06)
[3]Instructions[J]. Animal Husbandry and Feed Science. 2017(03)
[4]改进区域生长算法在视杯图像分割中的应用[J]. 刘振宇,汪淼. 辽宁大学学报(自然科学版). 2017(02)
[5]自适应脉冲耦合神经网络与匹配滤波器相结合的视网膜血管分割[J]. 徐光柱,张柳,邹耀斌,夏平,雷帮军. 光学精密工程. 2017(03)
[6]基于眼底结构特征的彩色眼底图像视盘定位方法[J]. 肖志涛,邵一婷,张芳,温佳,耿磊,吴骏,尚丹丹,苏龙,单春艳. 中国生物医学工程学报. 2016(03)
[7]彩色眼底图像视盘自动定位与分割[J]. 邹北骥,张思剑,朱承璋. 光学精密工程. 2015(04)
[8]视网膜眼底图像中视盘的检测方法[J]. 刘杜鹃,余轮,郑绍华. 中国医疗设备. 2014(11)
[9]基于定向局部对比度的眼底图像视盘检测方法[J]. 郑绍华,陈健,潘林,余轮. 中国生物医学工程学报. 2014(03)
[10]基于C-V模型的眼底图像交互式杯盘分割[J]. 董银伟,沈建新,王玉亮. 计算机应用与软件. 2012(05)
硕士论文
[1]视网膜图像的分析与研究[D]. 曾杰.电子科技大学 2016
本文编号：3597771
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
深度学习发展重要节点
浙江大学硕士学位论文第2章相关技术概况9合重新定位来确定OD[28]。开始提取G通道图片提取静脉血管骨架线最小二乘拟合静脉血管拟合结果是否满足准则抛物线拟合初定位视盘窗口扫描视盘精确定位结束依据视盘自身特性初定位视盘YN图2-1文献[26]提出的视盘定位流程图2-2文献[28]提出的视盘定位流程虽然上述文献提出的这些方法基于公知数据库进行测试取得了很不错的成绩，也有一定的实践应用，但是却达不到我们实际应用的准确度，一方面是基于
浙江大学硕士学位论文第2章相关技术概况12PreprocessingFeatureextractionMatching图2-3眼底图匹配通用流程比如KeisukeFukuta和ToshiakiNakagawa等人设计的通过视网膜眼底图像进行个人身份识别（personalidentification，PI）的相似度计算流程如图2-4所示，在这个设计流程中，预处理和特征提取阶段融合性比较大。在预处理和特征提取阶段，会利用形态学处理和阈值计算从输入图像中提取BV（bloodvessel），并将原始图像中BV区域的像素值替换为BV周围区域的像素平均值，从而得到BVE（bloodvesselerased），利用BVE图像的像素值，基于直方图分析来确定视盘在图像中的位置，由于输入图像和参考图像之间总会发生位移，定位的视盘服务于位移的配准；在匹配计算相似度时会利用模板匹配方式计算，利用输入图像和参考图像之间的RGB像素值的交叉相关系数（cross-correlationcoefficient）定义的相似性来实现PI，选取的区域是以视盘中心坐标为中心的360*360的像素区域[37]。图2-4文献[37]提出的流程图山东大学计算机学院的师生在2013年文章中所展示的系统构架如图2-5所示，首先会从原始视网膜图像中去除通过原始图像和ICGF（ImprovedCircularGaborTransform）模板进行卷积而得到的偏置区域来对不均匀分布的背景进行均匀化，将图像的像素归一到0到255之间，CGF（CircularGaborTransform）是对
【参考文献】：
期刊论文
[1]基于高低帽变换的图像迭代分割方法[J]. 阳振宇,潘建平,陈梦. 测绘工程. 2018(08)
[2]基于置信度计算的快速眼底图像视盘定位[J]. 吴慧,陈再良,欧阳平波,陈昌龙,邹北骥. 计算机辅助设计与图形学学报. 2017(06)
[3]Instructions[J]. Animal Husbandry and Feed Science. 2017(03)
[4]改进区域生长算法在视杯图像分割中的应用[J]. 刘振宇,汪淼. 辽宁大学学报(自然科学版). 2017(02)
[5]自适应脉冲耦合神经网络与匹配滤波器相结合的视网膜血管分割[J]. 徐光柱,张柳,邹耀斌,夏平,雷帮军. 光学精密工程. 2017(03)
[6]基于眼底结构特征的彩色眼底图像视盘定位方法[J]. 肖志涛,邵一婷,张芳,温佳,耿磊,吴骏,尚丹丹,苏龙,单春艳. 中国生物医学工程学报. 2016(03)
[7]彩色眼底图像视盘自动定位与分割[J]. 邹北骥,张思剑,朱承璋. 光学精密工程. 2015(04)
[8]视网膜眼底图像中视盘的检测方法[J]. 刘杜鹃,余轮,郑绍华. 中国医疗设备. 2014(11)
[9]基于定向局部对比度的眼底图像视盘检测方法[J]. 郑绍华,陈健,潘林,余轮. 中国生物医学工程学报. 2014(03)
[10]基于C-V模型的眼底图像交互式杯盘分割[J]. 董银伟,沈建新,王玉亮. 计算机应用与软件. 2012(05)
硕士论文
[1]视网膜图像的分析与研究[D]. 曾杰.电子科技大学 2016
本文编号：3597771
本文链接：https://www.wllwen.com/yixuelunwen/wuguanyixuelunwen/3597771.html
最近更新
教材专著
