視網(wǎng)膜血管自動(dòng)化分割技術(shù)能夠幫助醫(yī)生更好的對人眼疾病進(jìn)行定位,并提供客觀準(zhǔn)確的分析結(jié)果。由于眼底視網(wǎng)膜圖像在采集過程中存在拍攝設(shè)備、拍攝角度、照明環(huán)境等的不同,導(dǎo)致圖像存在整體趨于紅色、血管與背景之間對比度低的問題。視網(wǎng)膜病變癥狀具有意想不到的顏色和形態(tài),使分割血管與背景變得更加困難。很多研究人員基于不同技術(shù)對圖像分割任務(wù)及存在的問題研究出了一些解決方案,但是已提出的方案仍然存在諸如準(zhǔn)確率低、對毛細(xì)血管分割不精確、對病灶敏感等問題。針對眼底血管分割任務(wù)及現(xiàn)有方法存在的問題,本文設(shè)計(jì)了一個(gè)新穎的基于全卷積神經(jīng)網(wǎng)絡(luò)的視網(wǎng)膜血管自動(dòng)分割框架,其中創(chuàng)新內(nèi)容如下:（1）為了應(yīng)對采集過程中拍攝設(shè)備、拍攝角度、光照條件等的不同和圖像顏色對比度低的問題,本文探討了用于視網(wǎng)膜圖像預(yù)處理的四步預(yù)處理策略來降低這些問題帶來的影響。這四步預(yù)處理策略依次是:灰度處理、歸一化、對比度受限的自適應(yīng)直方圖均衡化和伽馬非線性化。從圖像處理結(jié)果來看,這四步策略能夠提升圖像中血管與背景之間的區(qū)分度,這可以更好地讓模型學(xué)習(xí)到血管與背景之間的特征差異并進(jìn)行精確分割。實(shí)驗(yàn)結(jié)果表明,這四步預(yù)處理策略能夠有效提高模型在多個(gè)評估指標(biāo)上... 

【文章來源】：西北師范大學(xué)甘肅省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

DRIVE數(shù)據(jù)集中的眼底圖像及兩位專家手工分割示意圖

第1章緒論1第1章緒論1.1研究背景與意義視網(wǎng)膜中央的動(dòng)脈血管通過視神經(jīng)進(jìn)入眼睛，并分裂成上支動(dòng)脈血管和下支動(dòng)脈血管，然后繼續(xù)分支形成毛細(xì)血管網(wǎng)絡(luò)，如圖1-1。視網(wǎng)膜圖像中的上下支動(dòng)脈血管和分叉出的毛細(xì)血管共同構(gòu)成了各類方法需要學(xué)習(xí)的數(shù)據(jù)分布。通過視網(wǎng)膜血管形態(tài)的變化可以發(fā)現(xiàn)人體內(nèi)的一些病理性疾病，諸如糖尿病性視網(wǎng)膜疾并動(dòng)脈粥樣硬化等等。例如，糖尿病視網(wǎng)膜疾病會(huì)導(dǎo)致由于高血糖和后期高血壓引起的視力喪失[1]。根據(jù)報(bào)道，糖尿病視網(wǎng)膜病變是全球老年人失明的主要原因[2]。世界衛(wèi)生組織建議每年進(jìn)行眼部篩查[3]，因?yàn)槿绻谠缙诎l(fā)現(xiàn)糖尿病性視網(wǎng)膜疾病，則可以通過激光療法對其進(jìn)行有效治療。因此對視網(wǎng)膜血管形態(tài)的變化進(jìn)行觀測能夠早日診斷和治療這些危及人體健康的疾玻(a)視網(wǎng)膜圖像(b)第一位醫(yī)生手工分割圖(c)第二位醫(yī)生手工分割圖圖1-1DRIVE數(shù)據(jù)集中的眼底圖像及兩位專家手工分割示意圖眼底血管易于拍攝，通常眼科醫(yī)生使用眼底照相機(jī)來拍攝成像。眼底血管包括血管長度、寬度、彎曲程度、分支模式、透明度等等特征[4]，通過對這些特征進(jìn)行病理分析能夠有助于醫(yī)生對病人病情的診斷。當(dāng)人體視覺器官發(fā)生疾病時(shí)，拍攝出來的眼底圖像血管相關(guān)特征能夠反映出相關(guān)異常。醫(yī)生可以通過檢查一些眼部疾病來提前檢測身體的其他疾病，并對這些疾病進(jìn)行早期診斷，以對相應(yīng)的疾病可以

西北師范大學(xué)碩士學(xué)位論文14卷積層反卷積層閾值分割卷積層全連接層糖尿病性眼底病變?nèi)B接層改為卷積層卷積神經(jīng)網(wǎng)絡(luò)全卷積神經(jīng)網(wǎng)絡(luò)圖2-3FCN對CNN分類網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)示意圖2.5本章小結(jié)本章將提出的基于全卷積神經(jīng)網(wǎng)絡(luò)的眼底視網(wǎng)膜分割框架中涉及的相關(guān)理論進(jìn)行了詳細(xì)介紹。首先，介紹了圖像分割及閾值分割方法，閾值分割方法是基于對象像素和背景像素之間強(qiáng)度變化進(jìn)行分割的最簡單方法。接著，介紹了對比度受限的自適應(yīng)直方圖均衡化方法和伽馬非線性化這兩個(gè)方法的理論和增強(qiáng)圖像前景背景對比度的作用。最后，對本文所使用的神經(jīng)網(wǎng)絡(luò)進(jìn)行了詳細(xì)的介紹，其中人工神經(jīng)網(wǎng)絡(luò)的前愧反向傳播推導(dǎo)過程是訓(xùn)練網(wǎng)絡(luò)的必要過程，卷積神經(jīng)網(wǎng)絡(luò)及其改進(jìn)的全卷積神經(jīng)網(wǎng)絡(luò)是本文研究的重點(diǎn)，批歸一化層和殘差模塊能夠提升卷積神經(jīng)網(wǎng)絡(luò)的性能。

【參考文獻(xiàn)】：
期刊論文
[1]基于多模型融合和區(qū)域迭代生長的視網(wǎng)膜血管自動(dòng)分割[J]. 賴小波,許茂盛,徐小媚.  電子學(xué)報(bào). 2019(12)
[2]基于多尺度濾波的視網(wǎng)膜血管分割算法[J]. 梁禮明,盛校棋,藍(lán)智敏,錢艷群.  計(jì)算機(jī)應(yīng)用與軟件. 2019(10)
[3]基于YOLO算法的眼底圖像視盤定位方法[J]. 蔣蕓,彭婷婷,譚寧,侯金泉.  計(jì)算機(jī)工程與科學(xué). 2019(09)
[4]基于匹配濾波引導(dǎo)局部特征空間仿射傳播聚類的視網(wǎng)膜血管分割[J]. 周陽.  信息通信. 2019(07)
[5]基于馬爾可夫隨機(jī)場的眼底圖像血管分割研究[J]. 李語堯,李曉宇,陸子旭,黃為新.  計(jì)算機(jī)應(yīng)用與軟件. 2019(07)
[6]眼底視網(wǎng)膜血管多級分割的隨機(jī)共振方法[J]. 杜宇華,范影樂,武薇.  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2018(06)
[7]基于多尺度2D Gabor小波的視網(wǎng)膜血管自動(dòng)分割[J]. 王曉紅,趙于前,廖苗,鄒北驥.  自動(dòng)化學(xué)報(bào). 2015(05)
[8]病變視網(wǎng)膜圖像血管網(wǎng)絡(luò)的自動(dòng)分割[J]. 姚暢,陳后金.  電子學(xué)報(bào). 2010(05)

碩士論文
[1]基于機(jī)器視覺的產(chǎn)品在線質(zhì)檢圖像質(zhì)量評估及視覺系統(tǒng)參數(shù)優(yōu)化[D]. 邱園紅.華中科技大學(xué) 2017
[2]視網(wǎng)膜血管圖像分割算法的研究[D]. 馮河洋.西南交通大學(xué) 2017
[3]細(xì)胞雙光子顯微圖像分割方法研究[D]. 胡恒陽.福建師范大學(xué) 2014



本文編號：3013094