小兒白內(nèi)障是一種常見的嚴(yán)重危害嬰幼兒視力健康發(fā)育的眼科疾病,通常發(fā)生在嬰幼兒視覺發(fā)育的敏感時(shí)期。如果得不到及時(shí)有效的醫(yī)學(xué)診斷和治療,將會(huì)造成不可逆的視力損害。臨床上,彌散光源影像是眼科醫(yī)生診斷小兒白內(nèi)障的主要介質(zhì),然而,小兒白內(nèi)障具有多樣性,很難直接地給出詳細(xì)的病灶描述。因此,病灶的準(zhǔn)確分析無疑是建立小兒白內(nèi)障早期篩查、診斷和監(jiān)測管理的關(guān)鍵。隨著人工智能的發(fā)展,基于深度學(xué)習(xí)的分類和目標(biāo)檢測算法在醫(yī)療領(lǐng)域中得到了廣泛的應(yīng)用。計(jì)算機(jī)輔助自動(dòng)診斷為醫(yī)療影像分析開辟了一個(gè)新的研究方向。彌散光源影像的積累也為小兒白內(nèi)障病灶的自動(dòng)檢測提供了數(shù)據(jù)支持,使得基于計(jì)算機(jī)算法進(jìn)行客觀、快速、準(zhǔn)確地小兒白內(nèi)障病灶定位和識(shí)別成為了可能。本文以國內(nèi)某著名眼科醫(yī)院提供的小兒白內(nèi)障彌散光源影像為基礎(chǔ),基于深度學(xué)習(xí)的目標(biāo)檢測算法構(gòu)建了一個(gè)小兒白內(nèi)障病灶自動(dòng)檢測模型,并以此模型為基礎(chǔ)進(jìn)行了多個(gè)角度的病灶分級(jí)識(shí)別,實(shí)現(xiàn)了小兒白內(nèi)障病灶的精準(zhǔn)分析。本文的研究內(nèi)容主要包括小兒白內(nèi)障病灶的自動(dòng)檢測和分級(jí)兩部分。在病灶檢測中,首先基于像素四鄰域關(guān)系的降噪算法預(yù)處理小兒白內(nèi)障彌散光源影像,過濾噪聲;然后,提出了一種帶有跳躍連接結(jié)構(gòu)...

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 本文工作及組織結(jié)構(gòu)
第二章 相關(guān)理論基礎(chǔ)
    2.1 深度卷積神經(jīng)網(wǎng)絡(luò)概述
    2.2 基于深度學(xué)習(xí)的目標(biāo)檢測算法
        2.2.1 基于候選區(qū)域的深度學(xué)習(xí)目標(biāo)檢測算法
        2.2.2 基于回歸的深度學(xué)習(xí)目標(biāo)檢測算法
    2.3 其他的相關(guān)技術(shù)
        2.3.1 Softmax回歸
        2.3.2 類激活映射
    2.4 本章小結(jié)
第三章 基于彌散光源影像的小兒白內(nèi)障病灶檢測模型
    3.1 小兒白內(nèi)障彌散光源影像降噪預(yù)處理
        3.1.1 彌散光源影像分析
        3.1.2 基于像素四鄰域關(guān)系的降噪算法
    3.2 基于Faster R-CNN的小兒白內(nèi)障病灶檢測算法實(shí)現(xiàn)
        3.2.1 標(biāo)準(zhǔn)的Faster R-CNN小兒白內(nèi)障病灶檢測
        3.2.2 改進(jìn)的Faster R-CNN小兒白內(nèi)障病灶檢測
    3.3 基于小兒白內(nèi)障病灶檢測結(jié)果的分級(jí)描述
        3.3.1 小兒白內(nèi)障病灶分級(jí)準(zhǔn)則
        3.3.2 基于小兒白內(nèi)障病灶檢測結(jié)果的分級(jí)實(shí)現(xiàn)
    3.4 本章小結(jié)
第四章 基于深度學(xué)習(xí)的小兒白內(nèi)障病灶分級(jí)模型
    4.1 基于卷積神經(jīng)網(wǎng)絡(luò)的病灶分級(jí)
        4.1.1 VGG網(wǎng)絡(luò)病灶分級(jí)
        4.1.2 ResNet網(wǎng)絡(luò)病灶分級(jí)
    4.2 基于特征融合的病灶分級(jí)
        4.2.1 初級(jí)特征提取
        4.2.2 多種特征融合
        4.2.3 基于主成分分析PCA的特征降維
    4.3 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果與分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)說明
        5.1.1 用于病灶檢測的數(shù)據(jù)
        5.1.2 用于病灶分級(jí)的數(shù)據(jù)
    5.2 實(shí)驗(yàn)環(huán)境及相關(guān)評(píng)價(jià)指標(biāo)
        5.2.1 實(shí)驗(yàn)環(huán)境
        5.2.2 相關(guān)評(píng)價(jià)指標(biāo)
    5.3 小兒白內(nèi)障病灶檢測模型實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)與分析
        5.3.1 小兒白內(nèi)障檢測模型結(jié)果分析
        5.3.2 基于檢測模型輸出結(jié)果的分級(jí)分析
    5.4 病灶分級(jí)模型的結(jié)果統(tǒng)計(jì)與分析
        5.4.1 基于卷積神經(jīng)網(wǎng)絡(luò)的病灶分級(jí)實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)與分析
        5.4.2 基于特征融合的病灶分級(jí)實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)與分析
        5.4.3 小兒白內(nèi)障病灶分級(jí)實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 進(jìn)一步研究方向
參考文獻(xiàn)
致謝
作者簡介



本文編號(hào)：3868266