隨著計(jì)算機(jī)技術(shù)的發(fā)展,以深度學(xué)習(xí)為代表的方法為醫(yī)療圖像的研究與發(fā)展開(kāi)拓了新的方向。由于視網(wǎng)膜血管與糖尿病、高血壓、心腦血管等疾病的重要聯(lián)系,研究人員對(duì)自動(dòng)分割視網(wǎng)膜血管這一醫(yī)學(xué)任務(wù)也給予重要關(guān)注。在目前大多數(shù)基于深度學(xué)習(xí)的視網(wǎng)膜血管分割方法中,以編碼-解碼結(jié)構(gòu)的分割模型融合了視網(wǎng)膜圖像的全局和局部信息,在分割性能上取得了突破性的發(fā)展。但由于視網(wǎng)膜血管復(fù)雜的形態(tài)變化、病變區(qū)域的影響、毛細(xì)血管的分支多而細(xì)等因素的影響,以往的分割算法對(duì)于視網(wǎng)膜血管尤其是毛細(xì)血管的分割存在過(guò)分割和欠分割問(wèn)題,同時(shí)簡(jiǎn)單地改進(jìn)基礎(chǔ)分割模型缺乏醫(yī)學(xué)可解釋性。為此,本文在現(xiàn)有研究方法的基礎(chǔ)上,對(duì)基于深度學(xué)習(xí)的視網(wǎng)膜血管分割算法進(jìn)行了重點(diǎn)研究,主要包括以下三個(gè)方面:首先,為了解決深度神經(jīng)網(wǎng)絡(luò)通過(guò)連續(xù)卷積、池化操作降低圖像分辨率造成視網(wǎng)膜血管邊緣細(xì)節(jié)信息丟失,微小血管分割不連續(xù)的問(wèn)題,本文設(shè)計(jì)了全分辨率密集連接網(wǎng)絡(luò)分割視網(wǎng)膜血管。連續(xù)的密集連接塊結(jié)構(gòu)增強(qiáng)網(wǎng)絡(luò)對(duì)血管的特征表示能力,使得網(wǎng)絡(luò)充分提取血管豐富的上下文語(yǔ)義信息和關(guān)鍵的細(xì)節(jié)特征信息,提高網(wǎng)絡(luò)對(duì)紋理結(jié)構(gòu)相似血管的敏感度。利用混合擴(kuò)張域的擴(kuò)張卷積層增加網(wǎng)絡(luò)特征圖的感受... 

【文章來(lái)源】：黑龍江大學(xué)黑龍江省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
        1.2.1 早期傳統(tǒng)視網(wǎng)膜血管分割方法
        1.2.2 基于無(wú)監(jiān)督機(jī)器學(xué)習(xí)的視網(wǎng)膜血管分割方法
        1.2.3 基于監(jiān)督機(jī)器學(xué)習(xí)的視網(wǎng)膜血管分割方法
        1.2.4 基于深度學(xué)習(xí)的視網(wǎng)膜血管分割方法
    1.3 本文主要研究工作
    1.4 章節(jié)安排
第2章 基礎(chǔ)分割網(wǎng)絡(luò)及視網(wǎng)膜血管相關(guān)介紹
    2.1 深度學(xué)習(xí)基礎(chǔ)分割網(wǎng)絡(luò)
        2.1.1 全卷積神經(jīng)網(wǎng)絡(luò)
        2.1.2 U-Net
    2.2 視網(wǎng)膜血管相關(guān)知識(shí)和分割評(píng)價(jià)指標(biāo)
        2.2.1 視網(wǎng)膜血管形態(tài)結(jié)構(gòu)及醫(yī)學(xué)成像介紹
        2.2.2 視網(wǎng)膜血管數(shù)據(jù)集介紹
        2.2.3 視網(wǎng)膜血管分割評(píng)價(jià)指標(biāo)介紹
    2.3 本章小結(jié)
第3章 全分辨率密集連接網(wǎng)絡(luò)視網(wǎng)膜血管分割網(wǎng)絡(luò)
    3.1 引言
    3.2 網(wǎng)絡(luò)組件設(shè)計(jì)原理
        3.2.1 密集連接網(wǎng)絡(luò)
        3.2.2 擴(kuò)張卷積
    3.3 全分辨率密集連接網(wǎng)絡(luò)設(shè)計(jì)
        3.3.1 全分辨率密集連接網(wǎng)絡(luò)模型結(jié)構(gòu)
        3.3.2 混合接受域的密集連接塊結(jié)構(gòu)
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 數(shù)據(jù)預(yù)處理與參數(shù)設(shè)置
        3.4.2 不同數(shù)據(jù)集實(shí)驗(yàn)結(jié)果分析
        3.4.3 不同數(shù)據(jù)集實(shí)驗(yàn)結(jié)果可視化分析
    3.5 本章小結(jié)
第4章 多尺度通道注意力視網(wǎng)膜血管分割網(wǎng)絡(luò)
    4.1 引言
    4.2 網(wǎng)絡(luò)組件設(shè)計(jì)原理
        4.2.1 注意力機(jī)制
        4.2.2 多尺度網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 網(wǎng)絡(luò)整體結(jié)構(gòu)設(shè)計(jì)
        4.3.1 通道注意力模塊實(shí)現(xiàn)過(guò)程
        4.3.2 多尺度特征提取模塊實(shí)現(xiàn)過(guò)程
        4.3.3 特征解碼塊實(shí)現(xiàn)過(guò)程
        4.3.4 損失函數(shù)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)設(shè)置與數(shù)據(jù)預(yù)處理
        4.4.2 各個(gè)算法模型在不同數(shù)據(jù)集上分割結(jié)果的定量分析
        4.4.3 各個(gè)算法模型在不同數(shù)據(jù)集上分割結(jié)果的可視化分析
        4.4.4 模塊的消融實(shí)驗(yàn)
    4.5 本章小結(jié)
第5章 自適應(yīng)形態(tài)變化的高效視網(wǎng)膜血管分割網(wǎng)絡(luò)
    5.1 引言
    5.2 網(wǎng)絡(luò)組件設(shè)計(jì)原理
        5.2.1 可變形卷積
        5.2.2 網(wǎng)絡(luò)正則化
    5.3 自適應(yīng)形態(tài)變化網(wǎng)絡(luò)實(shí)現(xiàn)過(guò)程
        5.3.1 網(wǎng)絡(luò)整體結(jié)構(gòu)
        5.3.2 自適應(yīng)形態(tài)變化實(shí)現(xiàn)過(guò)程
        5.3.3 自適應(yīng)形態(tài)變化正則化卷積模塊結(jié)構(gòu)圖
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理與參數(shù)設(shè)置
        5.4.2 實(shí)驗(yàn)對(duì)比分析
        5.4.3 實(shí)驗(yàn)可視化分析
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及參加的科研項(xiàng)目



本文編號(hào)：3474320