人眼球結(jié)膜微血管的形態(tài)結(jié)構(gòu)能夠反映高血壓、冠心病和糖尿病等心血管疾病的嚴重程度,通過對球結(jié)膜微血管的形態(tài)特征和數(shù)量等屬性進行篩查,能夠輔助醫(yī)師診斷患者的病情。由此可見,微血管分割的準確性至關重要。在臨床中,球結(jié)膜微血管分割常采用手動分割的方式,這種方式受人為因素影響且耗費時間較長,無法滿足大規(guī)模眼底圖像處理的要求。因此,利用計算機輔助找到能夠高效、精準的微血管圖像分割算法,實現(xiàn)血管圖像的自動分割技術,對提升醫(yī)生對血管疾病的診斷效率、減少醫(yī)療成本等方面起著重要的作用。目前研究學者提出了許多關于微血管圖像分割的方法,雖然取得了一定程度的成效,但是對分割的準確度方面仍有待進一步提高�；诖�,本文提出了非監(jiān)督學習和監(jiān)督學習兩種微血管顯微圖像分割算法,并將算法應用在本文采集到的微血管顯微圖像進行實驗。主要工作如下:1.針對活體微血管顯微圖像中血管連續(xù)性差、血管邊緣與組織界限不清晰和視場照度不均勻的問題,本文提出了一種模糊聚類水平集（Fuzzy Clustering with Level Set Method,FCMLSM）的分割算法。該算法首先利用模糊C均值聚類算法（Fuzzy C-means ... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 微血管圖像分割國內(nèi)外研究現(xiàn)狀
        1.2.1 基于非監(jiān)督學習的分割方法
        1.2.2 基于監(jiān)督學習的分割方法
    1.3 本文主要內(nèi)容
第2章 弱虛焦微血管顯微圖像處理
    2.1 引言
    2.2 微血管顯微圖像的獲取
    2.3 弱虛焦微血管顯微圖像預處理
        2.3.1 弱虛焦微血管彩色顯微圖像灰度轉(zhuǎn)換
        2.3.2 弱虛焦微血管序列顯微圖像融合
    2.4 弱虛焦微血管顯微圖像的傳統(tǒng)算法分割
        2.4.1 基于Otsu的弱虛焦微血管顯微圖像分割
        2.4.2 基于邊緣檢測的弱虛焦微血管顯微圖像分割
        2.4.3 基于區(qū)域生長算法的弱虛焦微血管顯微圖像分割
        2.4.4 基于蟻群算法的弱虛焦微血管顯微圖像分割
    2.5 本章小結(jié)
第3章 FCMLSM的弱虛焦微血管顯微圖像分割
    3.1 引言
    3.2 基于模糊聚類的弱虛焦微血管顯微圖像分割
        3.2.1 模糊集合理論
        3.2.2 模糊C均值聚類算法
    3.3 基于水平集算法的弱虛焦微血管顯微圖像分割
        3.3.1 水平集算法
        3.3.2 改進水平集算法
    3.4 FCMLSM算法的弱虛焦微血管顯微圖像分割
        3.4.1 FCMLSM算法的理論研究
        3.4.2 FCMLSM算法的弱虛焦微血管顯微圖像分割的實現(xiàn)
    3.5 本章小結(jié)
第4章 AD-UNet模型的弱虛焦微血管顯微圖像分割
    4.1 引言
    4.2 改進U-Net模型的基礎理論
        4.2.1 U-Net模型
        4.2.2 密集連接網(wǎng)絡
        4.2.3 注意力機制
        4.2.4 AD-UNet的圖像分割模型
    4.3 實驗結(jié)果與分析
        4.3.1 公共數(shù)據(jù)庫與評價指標
        4.3.2 眼底圖像預處理
        4.3.3 不同分割算法的性能比較
        4.3.4 AD-UNet算法的微血管分割應用
    4.4 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表的學術論文
致謝


【參考文獻】：
期刊論文
[1]自適應尺度信息的U型視網(wǎng)膜血管分割算法[J]. 梁禮明,盛校棋,藍智敏,楊國亮,陳新建.  光學學報. 2019(08)
[2]AM-CNN:一種基于注意力的卷積神經(jīng)網(wǎng)絡文本分類模型[J]. 王吉俐,彭敦陸,陳章,劉叢.  小型微型計算機系統(tǒng). 2019(04)
[3]基于全卷積神經(jīng)網(wǎng)絡的多尺度視網(wǎng)膜血管分割[J]. 鄭婷月,唐晨,雷振坤.  光學學報. 2019(02)
[4]基于改進卷積神經(jīng)網(wǎng)絡的視網(wǎng)膜血管圖像分割[J]. 吳晨玥,易本順,章云港,黃松,馮雨.  光學學報. 2018(11)
[5]改進的形態(tài)學與Otsu相結(jié)合的視網(wǎng)膜血管分割[J]. 汪維華,張景中,吳文淵.  計算機應用研究. 2019(07)
[6]醫(yī)學圖像分析深度學習方法研究與挑戰(zhàn)[J]. 田娟秀,劉國才,谷珊珊,鞠忠建,劉勁光,顧冬冬.  自動化學報. 2018(03)
[7]基于多特征融合的有監(jiān)督視網(wǎng)膜血管提取[J]. 梁禮明,劉博文,楊海龍,石霏,陳新建.  計算機學報. 2018(11)
[8]基于稀疏原子融合的RGB-D場景圖像融合算法[J]. 劉帆,劉鵬遠,張峻寧,徐彬彬.  光學學報. 2018(01)
[9]融合形狀先驗的水平集眼底圖像血管分割[J]. 梁禮明,黃朝林,石霏,吳健,江弘九,陳新建.  計算機學報. 2018(07)
[10]基于多尺度2D Gabor小波的視網(wǎng)膜血管自動分割[J]. 王曉紅,趙于前,廖苗,鄒北驥.  自動化學報. 2015(05)

博士論文
[1]球結(jié)膜微血管直徑和血流跟蹤與流速測量方法研究[D]. 羅中明.哈爾濱理工大學 2014

碩士論文
[1]基于稀疏表示和字典訓練的微血管分割方法研究[D]. 張瑩.哈爾濱理工大學 2017



本文編號：3635232