作為人體能夠直接觀察到的深層微血管,眼底圖像中視網(wǎng)膜血管的不同形態(tài)（如直徑、長度、分支、曲折等）具有醫(yī)學(xué)診斷價(jià)值,可以用于心腦血管疾病和眼科疾病的檢測、評(píng)估以及治療階段。眼底圖像的獲取便捷、無創(chuàng),觀察視網(wǎng)膜血管形態(tài)結(jié)構(gòu)也非常容易。自動(dòng)分割眼底血管能夠減少眼科醫(yī)生的工作量,同時(shí)提高分割準(zhǔn)確率,再利用計(jì)算機(jī)輔助,可以進(jìn)行大規(guī)模的眼科疾病、心血管疾病篩查和分析。從眼底圖像中分割出血管是眼底圖像分析的第一步,然而,由于眼底血管復(fù)雜的分支結(jié)構(gòu)、嘈雜的背景和不同光照的差異,實(shí)施難度很大。本文提出了使用深度學(xué)習(xí)算法,構(gòu)建語義分割網(wǎng)絡(luò),來實(shí)現(xiàn)對(duì)眼底圖像的血管分割。近年來圖像處理技術(shù)飛速發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)的使用已成為研究熱點(diǎn),尤其是在圖像分割、識(shí)別和檢測等領(lǐng)域中都取得了顯著成果。圖像語義分割無論在人工智能領(lǐng)域還是深度學(xué)習(xí)、機(jī)器視覺中都是一個(gè)重要的環(huán)節(jié)。視網(wǎng)膜血管圖像語義分割,簡而言之就是把圖片上的每一個(gè)像素點(diǎn)分類為血管像素點(diǎn)以及非血管像素點(diǎn)。本文構(gòu)建出兩種不同的語義分割網(wǎng)絡(luò)——RV-SegNet、RV-LinkNet來進(jìn)行視網(wǎng)膜血管分割。RV-SegNet（Retinal Vessel SegNet）是... 

【文章來源】：內(nèi)蒙古科技大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

帶有病

內(nèi)蒙古科技大學(xué)碩士學(xué)位論文-8-2實(shí)驗(yàn)整體環(huán)境2.1引言本課題將使用深度學(xué)習(xí)的方法進(jìn)行視網(wǎng)膜圖像的血管分割，整體流程圖如圖2.1所示。首先將數(shù)據(jù)庫圖像進(jìn)行預(yù)處理，得到訓(xùn)練數(shù)據(jù)集，再構(gòu)建適用于本任務(wù)的語義分割網(wǎng)絡(luò)，經(jīng)過多次訓(xùn)練得到最佳的血管網(wǎng)絡(luò)模型。若把整體流程分為兩部分，可以分為實(shí)驗(yàn)整體環(huán)境，如圖2.1左側(cè)所示，和語義分割網(wǎng)絡(luò)，如圖2.1右側(cè)所示。圖2.1視網(wǎng)膜血管語義分割整體流程圖本課題將使用深度學(xué)習(xí)的方法，無論是對(duì)于不同的語義分割網(wǎng)絡(luò)的構(gòu)建、測試以及獲得最佳網(wǎng)絡(luò)參數(shù)，都需要極大的訓(xùn)練數(shù)據(jù)量以及計(jì)算機(jī)強(qiáng)大的計(jì)算能力作為支撐。數(shù)據(jù)集的制作以及實(shí)驗(yàn)環(huán)境的搭建將直接決定視網(wǎng)膜血管分割效果，因此，首先進(jìn)行整體實(shí)驗(yàn)環(huán)境的準(zhǔn)備。本章節(jié)將介紹視網(wǎng)膜血管語義分割的數(shù)據(jù)庫，數(shù)據(jù)集的制作，血管分割結(jié)果的評(píng)估方法以及實(shí)驗(yàn)環(huán)境。2.2.數(shù)據(jù)集制作2.2.1眼底視網(wǎng)膜數(shù)據(jù)庫當(dāng)前，存在完全公開的DRIVE、STARE、CHASE_DB1等眼底視網(wǎng)膜圖像的數(shù)據(jù)庫[25]，并且每個(gè)數(shù)據(jù)庫的視網(wǎng)膜圖像特點(diǎn)不同，圖像上專家手動(dòng)分割注釋也不同。根據(jù)

內(nèi)蒙古科技大學(xué)碩士學(xué)位論文-9-實(shí)際情況，實(shí)驗(yàn)使用DRIVE數(shù)據(jù)庫進(jìn)行網(wǎng)絡(luò)的訓(xùn)練，并使用DRIVE、STARE和CHASE_DB1來驗(yàn)證。表2.1是這三個(gè)數(shù)據(jù)庫的簡單對(duì)比。表2.1眼底數(shù)據(jù)庫對(duì)比表數(shù)據(jù)庫名稱圖像數(shù)量訓(xùn)練集/測試集數(shù)量圖像尺寸（pixel）圖像格式DRIVE4020/20768×584JPEGSTARE2010/10605×700PPMCHASE_DB128-999×960JPG/PNG（1）DRIVE數(shù)據(jù)庫DRIVE數(shù)據(jù)庫是視網(wǎng)膜圖像處理領(lǐng)域中應(yīng)用最廣泛的標(biāo)準(zhǔn)庫之一，拍攝對(duì)象年齡大都在25-90歲。DRIVE數(shù)據(jù)庫圖像的存儲(chǔ)格式為JPEG。使用佳能CR53CCD非散瞳相機(jī)捕獲此圖像，具有45度視場角，得到768×584像素大小的圖像，視場為圓形。DRIVE數(shù)據(jù)庫中的每幅圖像都對(duì)應(yīng)自己的掩碼（Mask）圖像，這可以對(duì)眼底圖像進(jìn)行裁剪得到視野的輪廓。DRIVE直接把40張彩色眼底圖像分為兩組，分別是訓(xùn)練集和測試集，各20張，不需要使用者另外分組，更便于使用。訓(xùn)練集中提供了一位專家的手動(dòng)進(jìn)行分割的結(jié)果；對(duì)于測試的圖像則提供了兩組不同的專家手動(dòng)進(jìn)行分割結(jié)果。(a)眼底彩色圖像(b)Mask(c)專家分割圖圖2.2DRIVE數(shù)據(jù)庫（2）STARE數(shù)據(jù)庫STARE數(shù)據(jù)庫是1975年提出的，全稱是StructuredAnalysisoftheRetina。該項(xiàng)目的目的是研究一種系統(tǒng)，該系統(tǒng)將使用加利福尼亞大學(xué)希利眼科研究所和退伍軍人醫(yī)學(xué)

【參考文獻(xiàn)】：
期刊論文
[1]基于Frangi濾波器和Otsu視網(wǎng)膜血管分割[J]. 孟琳,劉靜,曹慧,史婷瑤,張馳.  激光與光電子學(xué)進(jìn)展. 2019(18)
[2]基于改進(jìn)R-FCN的遙感圖像艦船檢測[J]. 王健林,呂曉琪,張明,李菁.  激光與光電子學(xué)進(jìn)展. 2019(16)
[3]基于Dense Connected深度卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)視網(wǎng)膜血管分割方法[J]. 唐明軒,李孝杰,周激流.  成都信息工程大學(xué)學(xué)報(bào). 2018(05)
[4]基于監(jiān)督的全卷積神經(jīng)網(wǎng)絡(luò)視網(wǎng)膜血管分割[J]. 王娜,傅迎華,蔣念平.  軟件導(dǎo)刊. 2018(08)
[5]高血壓病患者眼底病變分級(jí)與眼血流動(dòng)力學(xué)參數(shù)的相關(guān)性[J]. 李成武,莊曾淵,劉靜,安娜,朱永濤.  眼科. 2017(03)
[6]糖尿病視網(wǎng)膜病變圖像的血管分割方法研究[J]. 閔鋒,單玲玉,張彥鐸.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(S1)
[7]視力損害的流行病學(xué)研究[J]. 美麗巴努·玉素甫,陳雪藝.  國際眼科雜志. 2010(02)
[8]不同程度和不同類型的高血壓對(duì)糖尿病心、眼、腎并發(fā)癥的影響[J]. 王照,許樟榮,王玉珍,莫朝暉,李翔.  中國糖尿病雜志. 2008(10)
[9]基于Hessian矩陣的冠狀動(dòng)脈中心線的跟蹤算法[J]. 許燕,胡廣書,商麗華,耿進(jìn)朝.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(06)

碩士論文
[1]基于光學(xué)相干斷層掃描圖像的脈絡(luò)膜新生血管生長預(yù)測[D]. 朱書霞.蘇州大學(xué) 2017
[2]糖尿病視網(wǎng)膜病變圖像的血管提取方法研究[D]. 單玲玉.武漢工程大學(xué) 2015
[3]基于特征識(shí)別的視網(wǎng)膜血管分割方法研究[D]. 王曉紅.中南大學(xué) 2014



本文編號(hào)：3470575