视网膜图像中结构与病灶的分割及变化检测

发布时间：2021-04-19 14:15

　　眼底视网膜图像计算机辅助诊断系统可以帮助眼科医生进行决策分析,实现自动病灶筛查和快速管理,大大地减少医生的工作量。围绕眼底视网膜图像计算机辅助诊断技术,本文主要研究了若干关键问题:同一患者不同时刻图像的变化检测问题、视网膜图像中解剖结构的分割问题及糖尿病视网膜病（Diabetic Retinopathy,DR）的检测和分级问题。在临床诊断中,通常需要监测患者治疗或病情演化过程,有时候会比较同一只眼睛治疗前后采集的两幅视网膜眼底图像,检测出发生变化的区域,为医生辅助治疗提供定量分析依据;有时需要观察多个不同时刻采集的长图像序列的演化情况,比较在多个不同时间点图像的差异,检测出这段时间内的变化区域及其病情的动态演化过程。计算机辅助诊断系统在筛查病灶的同时,也希望对病情自动评级。由于视网膜黄斑变性自动评级不仅需要检测相关病灶,而且也需要分割及定位多个解剖结构,如视盘、黄斑等。解剖结构可以辅助黄斑变性评级同时也会对病灶检测结果产生干扰,因此视网膜图像中解剖结构的检测和分割也是非常重要的一个研究问题。为此,本文研究了两幅图像间及多幅长序列图像间的变化检测问题,讨论了视网膜图像中相关眼病及解剖结构... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：157 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 视网膜图像解剖结构定位与分割
        1.2.2 DR病灶的检测和分割
        1.2.3 视网膜图像序列变化检测
    1.3 视网膜图像分析的主要问题和挑战
        1.3.1 变化检测的主要问题和挑战
        1.3.2 DR筛查及黄斑变性评级的主要问题和挑战
    1.4 本文主要工作与组织结构
        1.4.1 本文的主要工作及创新性
        1.4.2 本文的组织结构
第二章 基于稀疏表示及低秩分解的视网膜图像对变化检测
    2.1 引言
    2.2 图像对的预处理
    2.3 基于局部区域字典学习及稀疏表示的变化检测
        2.3.1 应用问题模型
        2.3.2 基于局部稀疏表示的图像对变化检测算法过程
        2.3.3 实验结果及讨论
    2.4 基于低秩图像序列构建及低秩分解的变化检测
        2.4.1 低秩序列的构建
        2.4.2 低秩分解建模
        2.4.3 算法和流程图
        2.4.4 低秩分解实验结果分析
    2.5 本章小结
第三章 基于张量RPCA的长序列图像变化检测
    3.1 引言
    3.2 长序列图像的预处理
        3.2.1 光照处理
        3.2.2 配准
        3.2.3 背景扩张
    3.3 基于张量RPCA分解的变化检测
        3.3.1 张量背景建模
        3.3.2 变化区域建模
        3.3.3 背景重构与变化区域分割
    3.4 张量变化检测算法过程
        3.4.1 H-Ten RPCA算法流程
        3.4.2 PG-Ten RPCA算法流程
    3.5 实验结果分析
        3.5.1 数据
        3.5.2 实验结果
        3.5.3 讨论
    3.6 本章小结
第四章 基于深度学习的视网膜图像结构检测和分割
    4.1 引言
    4.2 基于U-Net的血管检测
        4.2.1 U-Net检测流程
        4.2.2 实验结果
    4.3 视盘中心检测和视盘区域分割
        4.3.1 视盘检测算法
        4.3.2 实验结果分析
    4.4 中央凹定位
        4.4.1 中央凹定位算法
        4.4.2 实验与分析
    4.5 本章小结
第五章 基于深度学习的DR病灶检测和黄斑变性评级
    5.1 引言
    5.2 基于CNN网络的渗出液检测
        5.2.1 数据预处理
        5.2.2 CNN模型及涉及的问题
        5.2.3 实验结果与分析
    5.3 基于U-Net网络的DR病灶检测
        5.3.1 U-Net网络检测DR
        5.3.2 残差U-Net检测DR
        5.3.3 实验结果与分析
    5.4 黄斑病变评级
        5.4.1 算法过程
        5.4.2 实验结果
    5.5 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 工作展望
参考文献
致谢
攻读学位期间发表的学术论文
攻读学位期间参与的项目


【参考文献】：
期刊论文
[1]基于k均值聚类和自适应模板匹配的眼底出血点检测方法[J]. 肖志涛,赵北方,张芳,耿磊,吴骏,王雯,张欣鹏,苏龙,陈莉明,单春燕.  中国生物医学工程学报. 2015(03)
[2]基于多尺度2D Gabor小波的视网膜血管自动分割[J]. 王晓红,赵于前,廖苗,邹北骥.  自动化学报. 2015(05)
[3]基于分类回归树和AdaBoost的眼底图像视网膜血管分割[J]. 朱承璋,向遥,邹北骥,高旭,梁毅雄,毕佳.  计算机辅助设计与图形学学报. 2014(03)

博士论文
[1]基于彩色视网膜图像的眼底病相关目标检测方法研究[D]. 戴百生.哈尔滨工业大学 2016

硕士论文
[1]基于深度学习的糖尿病性视网膜图像分析算法研究[D]. 丁蓬莉.北京交通大学 2017
[2]视网膜图像解剖结构检测及病变分析研究[D]. 陈宁华.浙江大学 2017
[3]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：3147711