視網(wǎng)膜疾病在眼底視網(wǎng)膜上體現(xiàn)為黃斑、出血點(diǎn)、滲出物等病變,可以通過觀察眼底圖像進(jìn)行診斷。視網(wǎng)膜區(qū)域較大,而一次眼底成像并不能完整地獲取所有區(qū)域,往往需要采集多幅眼底圖像才能滿足臨床診斷的需求。通過配準(zhǔn)不同角度的眼底圖像,醫(yī)生能夠更精確地檢查和診斷各種視網(wǎng)膜疾病。因此,研究眼底圖像的配準(zhǔn)對(duì)視網(wǎng)膜疾病的早期輔助診斷和治療具有重要的臨床意義。本文首先提出了基于改進(jìn)型Pixel Net網(wǎng)絡(luò)的眼底圖像血管分割方法。在Inception-v1模塊基礎(chǔ)上提出了3種增強(qiáng)型卷積模塊,并將其運(yùn)用于Pixel Net網(wǎng)絡(luò)中。將像素分層采樣和增強(qiáng)的卷積結(jié)構(gòu)相結(jié)合,可以更好地提取像素特征,得到較好的眼底血管分割結(jié)果。在血管分割結(jié)果的基礎(chǔ)上,本文提出了基于k-core分解的眼底圖像特征點(diǎn)配準(zhǔn)方法。根據(jù)血管分叉點(diǎn)和端點(diǎn)建立有向圖(Di Graph),利用k=2時(shí)的k-core對(duì)眼底血管的整體結(jié)構(gòu)進(jìn)行分解得到了相對(duì)穩(wěn)定的配準(zhǔn)特征點(diǎn),再在高斯差分空間選擇極值點(diǎn)建立SIFT特征描述符進(jìn)行配準(zhǔn),最后利用配準(zhǔn)結(jié)果進(jìn)行圖像融合。采用本文配準(zhǔn)方法對(duì)FIRE眼底圖像配準(zhǔn)數(shù)據(jù)庫的15組眼底圖像對(duì)進(jìn)行測(cè)試,并與其他代表性方法比較。測(cè)試...

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 眼底圖像血管分割方法的研究現(xiàn)狀
        1.2.2 眼底圖像配準(zhǔn)方法的研究現(xiàn)狀
    1.3 研究內(nèi)容及章節(jié)安排
第二章 卷積神經(jīng)網(wǎng)絡(luò)基本知識(shí)
    2.1 人工神經(jīng)網(wǎng)絡(luò)基本概念
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.2.1 數(shù)據(jù)輸入層
        2.2.2 卷積層
        2.2.3 ReLU激活函數(shù)層
        2.2.4 池化層
        2.2.5 全連接層
    2.3 經(jīng)典的CNN網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 眼底圖像預(yù)處理
    3.1 彩色眼底圖像的空間模型
        3.1.1 RGB彩色空間模型
        3.1.2 HSV空間模型
    3.2 直方圖均衡化
    3.3 本章小結(jié)
第四章 基于改進(jìn)型PixelNet網(wǎng)絡(luò)的眼底圖像血管分割
    4.1 PixelNet網(wǎng)絡(luò)的原理
    4.2 改進(jìn)型PixelNet網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.1 Inception-v1 模塊
        4.2.2 Ne-Inception-v1 模塊
        4.2.3 基于Ne-Inception-v1的PixelNet網(wǎng)絡(luò)結(jié)構(gòu)
    4.3 數(shù)據(jù)庫選擇及樣本準(zhǔn)備
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第五章 基于k-core的眼底圖像配準(zhǔn)
    5.1 配準(zhǔn)特征點(diǎn)確定
        5.1.1 眼底血管骨架提取
        5.1.2 眼底血管分叉點(diǎn)和端點(diǎn)提取
        5.1.3 Network X簡介
        5.1.4 血管結(jié)構(gòu)的Di Graph生成
        5.1.5 k-core分解
    5.2 眼底圖像配準(zhǔn)
        5.2.1 尺度空間生成
        5.2.2 特征點(diǎn)極值檢測(cè)
        5.2.3 特征向量生成
        5.2.4 眼底圖像配準(zhǔn)
    5.3 眼底圖像融合
        5.3.1 高頻子帶融合
        5.3.2 低頻子帶融合
        5.3.3 眼底圖像融合
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 眼底圖像配準(zhǔn)實(shí)驗(yàn)結(jié)果與分析
        5.4.2 眼底圖像融合實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況
致謝



本文編號(hào)：3806428