發(fā)布時間：2021-07-31 16:39

　　在非先天性視力殘疾案例中,眼底疾病是構(gòu)成視力缺損的主要原因。而糖尿病視網(wǎng)膜病變、青光眼、白內(nèi)障、高度近視、年齡相關(guān)性黃斑病變以及高血壓等疾病通常是眼底病變的導(dǎo)火索。如果能夠及時發(fā)現(xiàn)、及時治療,那么將降低患者致盲風(fēng)險,全國視力殘疾患者增長率也將得到良好控制。隨著深度學(xué)習(xí)技術(shù)熱潮的涌起,計算機技術(shù)與實際應(yīng)用結(jié)合越來越緊密,同樣也逐漸在醫(yī)療領(lǐng)域嶄露頭角。然而深度學(xué)習(xí)在眼科疾病篩查中的應(yīng)用,大多都是針對單種疾病,對于多種疾病的綜合診斷研究,仍然較為匱乏,包括可用數(shù)據(jù)庫及可參考方法都較難獲得。且常規(guī)體檢應(yīng)以全面篩查為目的,對體檢者健康狀況給出綜合評估報告。因此目前研究成果并不能滿足體檢項目中眼底疾病全面性篩查需求�；诖四康�,本文提出了一種基于深度學(xué)習(xí)的多疾病分類方法,并給出了一個完整的眼底視網(wǎng)膜圖像輔助診斷解決方案。首先,對數(shù)據(jù)歸一化,剪裁掉多余的背景,并利用直方圖均衡化解決光照不均勻問題,然后對少樣本進行數(shù)據(jù)增強及擴充來解決樣本不平衡;隨后將Resnet50作為主干網(wǎng)絡(luò),并且利用多任務(wù)學(xué)習(xí)來解決多標(biāo)簽分類問題,并根據(jù)左右眼的相關(guān)性對左右眼圖像進行拼接,融合左右眼特征,從而提高模型的精度;由于... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

OCT掃描圖像

杭州電子科技大學(xué)碩士學(xué)位論文3獲取眼底信息的方式主要分為以下幾種：熒光素眼底血管造影（FundusFluoresceinAngiography，F(xiàn)FA）、光學(xué)相干斷層掃描（OpticalCoherenceTomography，OCT）、眼底照相、眼科B超等。目前OCT和眼底照相使用最為頻繁，OCT圖像如圖1.1所示[31]，利用該技術(shù)可以對組織內(nèi)部結(jié)構(gòu)與形態(tài)進行二維成像和三維可視化，其具有高分辨率、高靈敏度等特點，目前已經(jīng)成為青光眼等眼底疾病診斷的“金標(biāo)準(zhǔn)”[32]。然而，利用OCT圖像進行檢查對醫(yī)生經(jīng)驗水平要求較高，且診斷每位患者花費時間較長。眼底照相技術(shù)具有操作簡單、成像效果直觀、結(jié)果易于分析等優(yōu)勢，如圖1.2所示，其富含有豐富的血管信息。本文采用的是通過眼底照相技術(shù)獲得的彩色眼底圖像。圖1.1OCT掃描圖像圖1.2眼底視網(wǎng)膜彩圖1.2.2基于深度學(xué)習(xí)的圖像處理方法發(fā)展現(xiàn)狀深度學(xué)習(xí)（DeepLearning）是近幾年流行起來的一種計算機技術(shù)，已幫助解決了生活中的不少難題。它是機器學(xué)習(xí)（MachineLearning）學(xué)科中的一種方法，機器學(xué)習(xí)是一門解決問題以及研究如何使用數(shù)據(jù)來有效學(xué)習(xí)和獲取函數(shù)具體參數(shù)的學(xué)科。深度學(xué)習(xí)在圖像識別中的應(yīng)用主要在于利用卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionNeuralNetwork，CNN）進行特征的學(xué)習(xí)，而不需要人工進行特征的設(shè)計，這里的深度通常是指網(wǎng)絡(luò)是由非常多的層組成，這些層包括卷積層和全連接層。深度學(xué)習(xí)技術(shù)目前在圖像識別以

杭州電子科技大學(xué)碩士學(xué)位論文9特征，使得模型能夠逼近任意函數(shù)。圖2.1神經(jīng)元模型=&"""()"+(2.1)=.&"""()"+/(2.2)人工神經(jīng)網(wǎng)絡(luò)慢慢發(fā)展為一種包含一個輸入層、多個隱含層和一個輸出層的多層前饋神經(jīng)網(wǎng)絡(luò)，結(jié)構(gòu)如圖2.1所示。但是隨著人工神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，應(yīng)用范圍不斷被拓寬，局限性也慢慢表現(xiàn)出來。在前饋神經(jīng)網(wǎng)絡(luò)中，每相鄰兩層之間的每個神經(jīng)元都是有邊相連的，并通過矩陣乘法計算邊的權(quán)重。因此，如果前一層有m個神經(jīng)元，后一層有n個神經(jīng)元，那么這兩層之間將會有參數(shù)量params=m×n+n需要被計算。當(dāng)遇到復(fù)雜問題時候，增加隱含層層數(shù)，同時增加每層神經(jīng)元的數(shù)量，最終參數(shù)量會十分巨大。對于寶貴且有限的計算空間而言，這一點無疑是致命的，它限制了神經(jīng)網(wǎng)絡(luò)在深度或是寬度方面的發(fā)展，也導(dǎo)致在一些較為復(fù)雜的問題中無法取得較好的效果，如圖像識別自然語言處理。圖2.2多層前饋神經(jīng)網(wǎng)絡(luò)在ANN基礎(chǔ)上，使用卷積計算代替一般矩陣乘法運算來處理具有類似網(wǎng)格結(jié)構(gòu)的數(shù)據(jù)方法應(yīng)運而生，其中圖像就可以被認為是由像素塊排列組成的網(wǎng)格數(shù)據(jù)。分類模型的訓(xùn)練與優(yōu)化是利用監(jiān)督學(xué)習(xí)（supervisedlearning）方法進行訓(xùn)練，其

【參考文獻】：
期刊論文
[1]《2018年我國衛(wèi)生健康事業(yè)發(fā)展統(tǒng)計公報》出爐[J]. 李芮.  中醫(yī)藥管理雜志. 2019(10)
[2]盲人器樂教育分析研究——以南京盲校為例[J]. 周圓.  北方音樂. 2018(12)
[3]青少年近視防控與人才培養(yǎng)[J]. 曾駿文.  中國眼鏡科技雜志. 2017(15)
[4]高度近視已成45～59歲人群失明第一主因[J].   中國眼鏡科技雜志. 2016(20)
[5]黃斑地圖狀萎縮的治療進展[J]. 陳麗華.  海南醫(yī)學(xué). 2016(01)
[6]重視視網(wǎng)膜血管異常性疾病與慢性腎臟病的整合醫(yī)學(xué)研究[J]. 黃雯.  中華眼科醫(yī)學(xué)雜志(電子版). 2015(06)
[7]我國高血壓管理的初步效果、問題及對策[J]. 王文.  醫(yī)學(xué)研究雜志. 2014(09)
[8]中國殘聯(lián)發(fā)布我國最新殘疾人口數(shù)據(jù)[J]. 趙燕潮.  殘疾人研究. 2012(01)
[9]胰島素抵抗與血管內(nèi)皮功能障礙[J]. 趙良平,呂安康,張奇.  國際心血管病雜志. 2009(01)
[10]原發(fā)性高血壓視網(wǎng)膜血管改變5年動態(tài)觀察[J]. 張慶華.  山東醫(yī)學(xué)高等�？茖W(xué)校學(xué)報. 2006(05)

碩士論文
[1]基于C掃描圖的視盤OCT圖像運動偽差校正算法的研究[D]. 高振玉.北京協(xié)和醫(yī)學(xué)院 2016



本文編號：3313817