面向眼科医学图像的病变检测研究

发布时间：2022-02-18 10:15

　　随着糖尿病患者的急剧增多,糖尿病视网膜病变的患病率、致盲率也在逐年升高。目前,糖尿病视网膜病变已经成为工作年龄人群首位致盲性疾病,其早期没有显著症状,较难发现,到了晚期即便发现也难以治疗,所以尽早发现、及时干预具有重要意义。眼底视网膜图像病灶诊断需要专业医师进行仔细检查,通常有1～2天的延迟,患者才能够拿到结果。因此,利用图像分析和深度学习技术自动检测病变成为一个有效的解决方案。本文聚焦于眼底视网膜图像中糖尿病性视网膜病变的分割,利用卷积神经网络达到快速、准确识别病灶的目的。主要研究内容如下:（1）提出了基于多尺度区域块的糖尿病视网膜病变检测方法。首先分块检测眼底图像是否存在病变区域,然后对病变区域进行逐像素的分割,从而同时检测出微动脉瘤、出血点、硬渗出以及软渗出等病变。在眼底视网膜图像公开数据DIARETDB1数据库中获得了很高的检测率,提高了检测速度,证明了方法的有效性。在四种病变的检测率中,微动脉瘤88.62%、出血点94.91%、硬渗出98.91%和软渗出92.91%。（2）提出了基于多层次特征融合的糖尿病视网膜病变检测方法。借助自然图像语义分割的思想,针对糖尿病视网膜病变形状... 

【文章来源】：北京交通大学北京市211工程院校教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
ABSTRACT
序言
1 绪论
    1.1 引言
    1.2 研究背景及意义
    1.3 本文研究内容和主要贡献
    1.4 论文结构安排
    1.5 本章小结
2 糖尿病视网膜病变检测概述
    2.1 引言
    2.2 糖尿病视网膜病变
    2.3 国内外研究现状
        2.3.1 传统方法研究现状
        2.3.2 深度学习方法研究现状
        2.3.3 糖尿病视网膜病变诊断系统研究现状
    2.4 现有方法存在的问题
    2.5 本章小结
3 基于多尺度区域块的糖尿病视网膜病变级联检测
    3.1 引言
    3.2 基于多尺度区域块的级联检测框架
        3.2.1 预处理
        3.2.2 基于区域块的预检测
        3.2.3 基于多尺度区域块的图像分割
    3.3 实验设置与评价标准
        3.3.1 眼底图像数据库
        3.3.2 评价标准
    3.4 实验结果与分析
        3.4.1 基于区域块的预检测结果
        3.4.2 基于多尺度区域块的图像分割结果
    3.5 本章小结
4 基于多层次特征融合的糖尿病视网膜病变检测
    4.1 引言
    4.2 基于多层次特征融合的病变检测原理阐述
        4.2.1 全卷积神经网络
        4.2.2 Hole算法
        4.2.3 特征融合
    4.3 基于多层次特征融合的病变检测框架
        4.3.1 多层次特征融合网络
        4.3.2 加权损失函数
        4.3.3 负样本增强
        4.3.4 图像融合
    4.4 实验设置与评价标准
        4.4.1 眼底图像数据库
        4.4.2 评价标准
    4.5 实验结果与分析
        4.5.1 实验设置
        4.5.2 实验结果
    4.6 本章小结
5 糖尿病视网膜病变自动检测系统的设计与实现
    5.1 引言
    5.2 眼底视网膜图像标注软件
        5.2.1 标注软件功能模块
        5.2.2 标注软件界面
        5.2.3 标注方式
    5.3 糖尿病视网膜病变自动检测系统
        5.3.1 糖尿病视网膜病变自动检测系统功能模块
        5.3.2 病变检测流程
        5.3.3 客户端设计
        5.3.4 服务器端设计
    5.4 本章小结
6 结论
    6.1 工作总结
    6.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集


【参考文献】：
期刊论文
[1]基于计算机视觉的糖尿病视网膜病变自动筛查系统[J]. 朱江兵,柯鑫,刘畅,杨金奎,何建国.  首都医科大学学报. 2015(06)
[2]基于远程会诊的糖尿病视网膜病变图像诊断系统研发和应用[J]. 吕沛霖,邹芳,李丹,朱振华,张伟,王彤.  中国数字医学. 2015(07)
[3]基于交叉网络的眼底视神经乳头自动定位[J]. 李居朋,陈后金,张新媛.  电子与信息学报. 2009(05)

硕士论文
[1]糖尿病视网膜病变图像的渗出物自动检测算法研究[D]. 陈向.哈尔滨工业大学 2012



本文编号：3630654