糖尿病視網(wǎng)膜病變（Diabetic Retinopathy,DR）是成年人最主要的致盲原因。當前階段,DR一般是通過眼科醫(yī)生觀察視網(wǎng)膜上異常病灶進行診斷。但是,DR病變情況復雜,各種病變差別很大,而且病變程度不一,導致眼科醫(yī)生診斷困難。而利用計算機視覺技術(shù)可以輔助眼科醫(yī)生實現(xiàn)診斷,不僅能提高診斷效率,還能增加診斷的準確率。本文主要運用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network,CNN）對眼底圖像進行分割。針對眼底圖像數(shù)據(jù)集小的問題,提出了兩個解決方案:1.用熵采樣方法有效提取圖像塊（patch）,設(shè)計基于patch的全卷積網(wǎng)絡(luò)。通過熵采樣可以剔除大量不包含有效信息的patch,大大減少運算量,同時充分利用了相鄰像素的信息,可以提高分割性能。為了解決類別不平衡問題,使用加權(quán)交叉熵作為損失函數(shù)（loss）。2.通過數(shù)據(jù)增強擴充數(shù)據(jù)集,使用擴充后的數(shù)據(jù)集訓練全卷積網(wǎng)絡(luò)（Fully Convolutional Network,FCN）實現(xiàn)圖像分割。標準U-Net使用長跳躍連接實現(xiàn)特征的有效傳遞,使分割效果更好,而殘差網(wǎng)絡(luò)（Res Net）的捷徑和密集網(wǎng)絡(luò)（Dense... 

【文章頁數(shù)】：98 頁

【學位級別】：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
        1.2.1 血管分割算法綜述
        1.2.2 視盤分割算法綜述
        1.2.3 滲出物分割算法綜述
        1.2.4 出血分割算法綜述
    1.3 研究內(nèi)容與創(chuàng)新點
        1.3.1 血管分割算法
        1.3.2 視盤分割算法
        1.3.3 滲出物分割算法
        1.3.4 出血分割算法
    1.4 本文的各章安排
第二章 背景知識介紹
    2.1 視網(wǎng)膜眼底圖像分類
    2.2 視網(wǎng)膜生理結(jié)構(gòu)
    2.3 人工神經(jīng)網(wǎng)絡(luò)
        2.3.1 神經(jīng)元與感知器
        2.3.2 多層感知器
    2.4 卷積神經(jīng)網(wǎng)絡(luò)介紹
        2.4.1 卷積神經(jīng)網(wǎng)絡(luò)基本框架
        2.4.2 經(jīng)典分類網(wǎng)絡(luò)結(jié)構(gòu)介紹
        2.4.3 經(jīng)典分割網(wǎng)絡(luò)結(jié)構(gòu)介紹
    2.5 本章小結(jié)
第三章 血管分割算法
    3.1 血管數(shù)據(jù)集介紹
    3.2 算法概述
        3.2.1 圖像預處理
        3.2.2 熵采樣
        3.2.3 基于patch的全卷積網(wǎng)絡(luò)
        3.2.4 加權(quán)交叉熵損失函數(shù)
        3.2.5 網(wǎng)絡(luò)訓練參數(shù)
    3.3 實驗結(jié)果與分析
    3.4 結(jié)論
    3.5 本章小結(jié)
第四章 視盤分割算法
    4.1 視盤數(shù)據(jù)集介紹
    4.2 視盤分割算法概述
        4.2.1 圖像預處理
        4.2.2 數(shù)據(jù)增強
        4.2.3 網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.4 擴展的Dice損失函數(shù)
        4.2.5 網(wǎng)絡(luò)訓練參數(shù)
    4.3 實驗結(jié)果與分析
        4.3.1 損失函數(shù)曲線分析
        4.3.2 算法分割結(jié)果與評價
        4.3.3 特征可視化
    4.4 結(jié)論
    4.5 本章小結(jié)
第五章 滲出物分割算法
    5.1 滲出物數(shù)據(jù)集介紹
    5.2 算法概述
        5.2.1 圖像預處理
        5.2.2 數(shù)據(jù)增強
        5.2.3 擴展Dice損失函數(shù)
        5.2.4 網(wǎng)絡(luò)訓練參數(shù)
    5.3 實驗結(jié)果與分析
        5.3.1 損失函數(shù)曲線分析
        5.3.2 算法分割結(jié)果與評價
        5.3.3 特征可視化
    5.4 結(jié)論
    5.5 本章小結(jié)
第六章 出血分割算法
    6.1 出血數(shù)據(jù)集介紹
    6.2 算法概述
        6.2.1 圖像預處理
        6.2.2 數(shù)據(jù)增強
        6.2.3 擴展Dice損失函數(shù)
        6.2.4 網(wǎng)絡(luò)訓練參數(shù)
    6.3 實驗結(jié)果與分析
        6.3.1 損失函數(shù)曲線分析
        6.3.2 算法分割結(jié)果與評價
        6.3.3 特征可視化
    6.4 結(jié)論
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 論文總結(jié)
    7.2 未來展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術(shù)論文
攻讀學位期間參與的項目



本文編號：3654978