相關(guān)數(shù)據(jù)統(tǒng)計(jì)表明,世界上的失明人數(shù)正逐年增加。其中眼科疾病和一些其他全身性疾病如糖尿病,高血壓和動(dòng)脈硬化是導(dǎo)致失明的主要原因。如果能夠在病變?cè)缙谶M(jìn)行篩查和診斷,將大大降低失明的可能性。眼底血管形態(tài)結(jié)構(gòu)穩(wěn)定,但是病變會(huì)導(dǎo)致血管直徑、角度、曲率和分支結(jié)構(gòu)等的變化。醫(yī)生可以通過(guò)分析眼底血管結(jié)構(gòu)變化來(lái)輔助相關(guān)疾病的診斷,而其中精確的血管分割是獲得高效疾病診斷的前提和保障。到目前為止,雖然已有許多專家和學(xué)者提出了大量眼底血管分割的高效算法,但是眼底血管結(jié)構(gòu)復(fù)雜,而且常常受低對(duì)比度以及病變區(qū)域的影響,眼底血管的分割仍然具有一定挑戰(zhàn)性。為了有效地分割眼底圖像血管,本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural network,CNN）和條件隨機(jī)場(chǎng)（Conditional random field,CRF）的眼底血管分割方法,研究?jī)?nèi)容主要包括:首先,我們使用多尺度卷積神經(jīng)網(wǎng)絡(luò)得到血管概率圖以實(shí)現(xiàn)血管粗分割。由于血管結(jié)構(gòu)復(fù)雜,需要兼顧考慮細(xì)節(jié)和高層信息。本文使用一種多尺度的網(wǎng)絡(luò)結(jié)構(gòu)來(lái)融合豐富的多尺度和多層次信息。保證在識(shí)別到血管結(jié)構(gòu)的同時(shí),能夠關(guān)注更多血管細(xì)節(jié)信息。同時(shí)我們發(fā)現(xiàn)... 

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
        1.1.1 眼底結(jié)構(gòu)簡(jiǎn)介
        1.1.2 眼底圖像采集
        1.1.3 眼底視網(wǎng)膜血管分割的意義
        1.1.4 研究的難點(diǎn)和挑戰(zhàn)
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容和主要工作
    1.4 本文的組織結(jié)構(gòu)
第2章 基礎(chǔ)知識(shí)
    2.1 深度學(xué)習(xí)
        2.1.1 深度學(xué)習(xí)概述
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.3 常用損失函數(shù)
        2.1.4 深度學(xué)習(xí)框架
    2.2 條件隨機(jī)場(chǎng)
        2.2.1 概率無(wú)向圖模型
        2.2.2 條件隨機(jī)場(chǎng)的定義
        2.2.3 條件隨機(jī)場(chǎng)的分割模型
        2.2.4 模型推斷
    2.3 本章小結(jié)
第3章 基于卷積神經(jīng)網(wǎng)絡(luò)和條件隨機(jī)場(chǎng)的眼底圖像血管分割算法
    3.1 算法流程
    3.2 預(yù)處理
    3.3 基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的粗分割
        3.3.1 多尺度網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 交叉熵?fù)p失函數(shù)
    3.4 基于全連接條件隨機(jī)場(chǎng)的細(xì)分割
        3.4.1 能量函數(shù)
        3.4.2 一階勢(shì)函數(shù)
        3.4.3 二階勢(shì)函數(shù)
    3.5 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果與分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)集
    4.2 評(píng)價(jià)指標(biāo)
    4.3 實(shí)驗(yàn)方案
    4.4 結(jié)果與分析
        4.4.1 整體算法的分割性能
        4.4.2 基于多尺度網(wǎng)絡(luò)結(jié)構(gòu)的分割性能
        4.4.3 基于損失函數(shù)的分割性能
        4.4.4 與目前主流方法的比較
        4.4.5 時(shí)間復(fù)雜度
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間的研究成果


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合深度學(xué)習(xí)與條件隨機(jī)場(chǎng)的遙感圖像分類[J]. 夏夢(mèng),曹國(guó),汪光亞,尚巖峰.  中國(guó)圖象圖形學(xué)報(bào). 2017(09)
[2]基于多特征融合和隨機(jī)森林的視網(wǎng)膜血管分割[J]. 朱承璋,崔錦愷,鄒北驥,陳瑤,王俊.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(04)
[3]一種張量擴(kuò)展的條件隨機(jī)場(chǎng)模型及其在自然語(yǔ)言處理任務(wù)中的應(yīng)用[J]. 馮蘊(yùn)天,張宏軍,郝文寧.  計(jì)算機(jī)應(yīng)用研究. 2016(05)
[4]概率圖模型表示理論[J]. 劉建偉,黎海恩,羅雄麟.  計(jì)算機(jī)科學(xué). 2014(09)
[5]重視糖尿病人視力模糊[J]. 劉巖.  中國(guó)藥店. 2014(06)

碩士論文
[1]基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜圖像分析算法研究[D]. 丁蓬莉.北京交通大學(xué) 2017



本文編號(hào)：3714385