面向視網(wǎng)膜眼底圖像的血管分割及糖尿病分類方法研究
發(fā)布時(shí)間:2023-03-03 23:31
隨著深度學(xué)習(xí)的不斷發(fā)展,以及其在圖像分割和分類領(lǐng)域的顯著效果,利用深度學(xué)習(xí)技術(shù),通過眼底圖像輔助診斷眼部疾病逐漸受到廣泛研究和關(guān)注。視網(wǎng)膜血管是眼部疾病準(zhǔn)確的診斷、早期治療和手術(shù)計(jì)劃的關(guān)鍵步驟。許多致盲的眼部疾病均可直接從眼底視網(wǎng)膜血管的病變等觀察到,而糖尿病性視網(wǎng)膜病變進(jìn)行早期治療可以有效延緩或避免視力損害的進(jìn)展。因此,實(shí)現(xiàn)智能的視網(wǎng)膜眼底圖像下的血管分割和糖尿病眼病分類具有重要的臨床意義。本文針對(duì)當(dāng)前視網(wǎng)膜眼底圖像下的血管分割和糖尿病視網(wǎng)膜病變存在的問題,提出了基于Weighted Res-UNet的視網(wǎng)膜眼底血管分割方法以及基于Grad-CAM的糖尿病視網(wǎng)膜病變分類及可視化方法。本文的主要研究工作和創(chuàng)新點(diǎn)如下:(1)針對(duì)目前視網(wǎng)膜眼底圖像下的血管分割的難點(diǎn),提出了Weighted Res-UNet視網(wǎng)膜血管分割方法。該方法使用自適應(yīng)直方圖均衡(CLAHE)以及常規(guī)圖像增強(qiáng)進(jìn)行數(shù)據(jù)預(yù)處理,利用卷積神經(jīng)網(wǎng)絡(luò)中U-Net網(wǎng)絡(luò),通過添加加權(quán)Attention機(jī)制和跳過連接方法,進(jìn)行重要的改進(jìn),可以學(xué)習(xí)更多區(qū)分血管和非血管像素的特征,并更好地維護(hù)視網(wǎng)膜血管樹狀結(jié)構(gòu)。在DRIVE和STARE...
【文章頁數(shù)】:70 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀及存在的問題
1.2.1 視網(wǎng)膜眼底圖像下的血管分割研究現(xiàn)狀
1.2.2 視網(wǎng)膜眼底圖像下的糖尿病分類方法研究現(xiàn)狀
1.3 主要研究內(nèi)容和創(chuàng)新點(diǎn)
1.4 本文結(jié)構(gòu)安排
第二章 相關(guān)技術(shù)介紹
2.1 基于深度學(xué)習(xí)的圖像分類與分割常用模型
2.1.1 基于深度學(xué)習(xí)的圖像分類常用模型
2.1.2 基于深度學(xué)習(xí)的圖像分割常用模型
2.2 眼底圖像血管分割數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
2.2.1 眼底圖像血管分割數(shù)據(jù)集
2.2.2 眼底圖像血管分割評(píng)價(jià)指標(biāo)
2.3 糖尿病性視網(wǎng)膜病變檢測(cè)數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
2.3.1 糖尿病性視網(wǎng)膜病變檢測(cè)數(shù)據(jù)集
2.3.2 糖尿病性視網(wǎng)膜病變檢測(cè)評(píng)價(jià)指標(biāo)
2.4 本章小結(jié)
第三章 基于Weighted Res-UNet的視網(wǎng)膜眼底血管分割方法
3.1 引言
3.2 方法
3.2.1 眼底圖像預(yù)處理
3.2.2 Weighted Res-UNet模型架構(gòu)
3.2.3 訓(xùn)練損失函數(shù)
3.3 實(shí)驗(yàn)
3.3.1 數(shù)據(jù)集
3.3.2 實(shí)驗(yàn)結(jié)果
3.4 本章小結(jié)
第四章 基于Grad-CAM的糖尿病視網(wǎng)膜病變分類及可視化方法
4.1 引言
4.2 方法
4.2.1 眼底圖像預(yù)處理
4.2.2 糖尿病性視網(wǎng)膜病變圖像分類模型架構(gòu)
4.2.3 網(wǎng)絡(luò)可視化算法Grad-CAM
4.2.4 基于BoW的圖像分類模型
4.2.5 多層神經(jīng)網(wǎng)絡(luò)分類模型
4.3 實(shí)驗(yàn)
4.3.1 數(shù)據(jù)集
4.3.2 實(shí)驗(yàn)結(jié)果
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄 碩士期間發(fā)表的論文及其它成果
致謝
本文編號(hào):3753317
【文章頁數(shù)】:70 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景與意義
1.2 國內(nèi)外研究現(xiàn)狀及存在的問題
1.2.1 視網(wǎng)膜眼底圖像下的血管分割研究現(xiàn)狀
1.2.2 視網(wǎng)膜眼底圖像下的糖尿病分類方法研究現(xiàn)狀
1.3 主要研究內(nèi)容和創(chuàng)新點(diǎn)
1.4 本文結(jié)構(gòu)安排
第二章 相關(guān)技術(shù)介紹
2.1 基于深度學(xué)習(xí)的圖像分類與分割常用模型
2.1.1 基于深度學(xué)習(xí)的圖像分類常用模型
2.1.2 基于深度學(xué)習(xí)的圖像分割常用模型
2.2 眼底圖像血管分割數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
2.2.1 眼底圖像血管分割數(shù)據(jù)集
2.2.2 眼底圖像血管分割評(píng)價(jià)指標(biāo)
2.3 糖尿病性視網(wǎng)膜病變檢測(cè)數(shù)據(jù)集與評(píng)價(jià)指標(biāo)
2.3.1 糖尿病性視網(wǎng)膜病變檢測(cè)數(shù)據(jù)集
2.3.2 糖尿病性視網(wǎng)膜病變檢測(cè)評(píng)價(jià)指標(biāo)
2.4 本章小結(jié)
第三章 基于Weighted Res-UNet的視網(wǎng)膜眼底血管分割方法
3.1 引言
3.2 方法
3.2.1 眼底圖像預(yù)處理
3.2.2 Weighted Res-UNet模型架構(gòu)
3.2.3 訓(xùn)練損失函數(shù)
3.3 實(shí)驗(yàn)
3.3.1 數(shù)據(jù)集
3.3.2 實(shí)驗(yàn)結(jié)果
3.4 本章小結(jié)
第四章 基于Grad-CAM的糖尿病視網(wǎng)膜病變分類及可視化方法
4.1 引言
4.2 方法
4.2.1 眼底圖像預(yù)處理
4.2.2 糖尿病性視網(wǎng)膜病變圖像分類模型架構(gòu)
4.2.3 網(wǎng)絡(luò)可視化算法Grad-CAM
4.2.4 基于BoW的圖像分類模型
4.2.5 多層神經(jīng)網(wǎng)絡(luò)分類模型
4.3 實(shí)驗(yàn)
4.3.1 數(shù)據(jù)集
4.3.2 實(shí)驗(yàn)結(jié)果
4.4 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
附錄 碩士期間發(fā)表的論文及其它成果
致謝
本文編號(hào):3753317
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3753317.html
最近更新
教材專著