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)育的敏感時期。如果得不到及時有效的醫(yī)學(xué)診斷和治療,將會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。計算機輔助自動診斷為醫(yī)療影像分析開辟了一個新的研究方向。彌散光源影像的積累也為小兒白內(nèi)障病灶的自動檢測提供了數(shù)據(jù)支持,使得基于計算機算法進行客觀、快速、準(zhǔn)確地小兒白內(nèi)障病灶定位和識別成為了可能。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)建了一個小兒白內(nèi)障病灶自動檢測模型,并以此模型為基礎(chǔ)進行了多個角度的病灶分級識別,實現(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)障病灶的自動檢測和分級兩部分。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)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
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)果的分級描述
        3.3.1 小兒白內(nèi)障病灶分級準(zhǔn)則
        3.3.2 基于小兒白內(nèi)障病灶檢測結(jié)果的分級實現(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)障病灶分級模型
    4.1 基于卷積神經(jīng)網(wǎng)絡(luò)的病灶分級
        4.1.1 VGG網(wǎng)絡(luò)病灶分級
        4.1.2 ResNet網(wǎng)絡(luò)病灶分級
    4.2 基于特征融合的病灶分級
        4.2.1 初級特征提取
        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 實驗結(jié)果與分析
    5.1 實驗數(shù)據(jù)說明
        5.1.1 用于病灶檢測的數(shù)據(jù)
        5.1.2 用于病灶分級的數(shù)據(jù)
    5.2 實驗環(huán)境及相關(guān)評價指標(biāo)
        5.2.1 實驗環(huán)境
        5.2.2 相關(guān)評價指標(biāo)
    5.3 小兒白內(nèi)障病灶檢測模型實驗結(jié)果統(tǒng)計與分析
        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)果的分級分析
    5.4 病灶分級模型的結(jié)果統(tǒng)計與分析
        5.4.1 基于卷積神經(jīng)網(wǎng)絡(luò)的病灶分級實驗結(jié)果統(tǒng)計與分析
        5.4.2 基于特征融合的病灶分級實驗結(jié)果統(tǒng)計與分析
        5.4.3 小兒白內(nèi)障病灶分級實驗結(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 進一步研究方向
參考文獻
致謝
作者簡介



本文編號：3868266