本文選題：粒子群優(yōu)化算法　切入點(diǎn)：糖尿病視網(wǎng)膜疾病　出處：《哈爾濱工業(yè)大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：圖像分割是特別重要的一種圖像前處理手段,亦是機(jī)器視覺(jué)和人工智能領(lǐng)域的先決和根基工作之一。根據(jù)統(tǒng)計(jì),由人類(lèi)生活方式的影響,糖尿病發(fā)病的幾率異常高,然則糖尿病后期引發(fā)的糖尿病視網(wǎng)膜疾病(Diabetic Retinopathy,DR)會(huì)引發(fā)眼底出現(xiàn)出血點(diǎn)。所以,經(jīng)由圖像分割技術(shù)檢索眼底出血點(diǎn)可以高效的協(xié)助醫(yī)生的診療,極大的程度上提升醫(yī)生的工作效率。這些年來(lái),有關(guān)圖像分割的研究有很多,然而,有關(guān)圖像分割的算法主要集中于圖像全體區(qū)域分割和模板匹配分割。而眼底出血點(diǎn)特征非常弱、外形和規(guī)則不完全相同,因此,通過(guò)當(dāng)前現(xiàn)有的圖像分割算法不容易實(shí)現(xiàn)令醫(yī)學(xué)應(yīng)用領(lǐng)域滿足可行的結(jié)果。而,當(dāng)今有關(guān)眼底出血點(diǎn)分割的方法主要是依賴(lài)于典型機(jī)器學(xué)習(xí)和深度學(xué)習(xí)兩個(gè)方面,然則典型機(jī)器學(xué)習(xí)和深度學(xué)習(xí)須要龐大的人工標(biāo)識(shí)、特征抽取、調(diào)整參數(shù),這樣不單大量耗時(shí)并且成效比較局限。本文通過(guò)對(duì)DR和眼底出血點(diǎn)大量學(xué)習(xí)和研究,聯(lián)合粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法展開(kāi)研究,首先使用PSO算法尋找出血點(diǎn)的聚類(lèi)中心和出血點(diǎn)所處的矩形位置,此后采用改進(jìn)的活動(dòng)輪廓模型(Active Contour Model,ACM)分割出眼底出血點(diǎn)的輪廓。本文做了三方向改進(jìn),第一:對(duì)于PSO算法容易陷入局部最優(yōu)解的問(wèn)題提出以Metropolis準(zhǔn)則為基礎(chǔ)的PSO算法;第二:關(guān)于眼底出血點(diǎn)確定方面,本文聯(lián)合邊緣、區(qū)域、外形特征構(gòu)造一種特征相似系數(shù)并引入模糊聚類(lèi),構(gòu)建一種新型PSO適應(yīng)度函數(shù),用于出血點(diǎn)聚類(lèi);第三:對(duì)于當(dāng)今存在的ACM分割速度遲緩、對(duì)起始輪廓敏感的弊病提出以粒子群聚類(lèi)為基礎(chǔ)并加入聚類(lèi)系數(shù)的局部ACM,讓起始曲線更加貼近目標(biāo)邊界。通過(guò)Matlab仿真實(shí)驗(yàn),本文改進(jìn)的PSO和局部ACM在穩(wěn)定性、速度、精度、抗擊噪聲能力方面獲得了提升,此外,本文新提出的眼底出血點(diǎn)分割算法能夠準(zhǔn)確分割出出血點(diǎn)輪廓且在人工消耗、樣本需求、分割精度等方面優(yōu)于目前存在的基于機(jī)器學(xué)習(xí)眼底出血點(diǎn)檢測(cè)算法。
[Abstract]:Image segmentation is a particularly important means of image preprocessing and one of the first and fundamental tasks in the field of machine vision and artificial intelligence. However, diabetic retinopathy (DRR) caused by late diabetic retinopathy can cause bleeding spots in the fundus. Therefore, retrieval of fundus bleeding points by image segmentation technology can effectively assist doctors in diagnosis and treatment. Greatly improve the efficiency of doctors. Over the years, there has been a lot of research on image segmentation, however, The algorithms of image segmentation mainly focus on the segmentation of all regions of the image and template matching segmentation. But the feature of eyeground bleeding point is very weak, and the shape and rules are not identical, so, The current image segmentation algorithms are not easy to achieve the feasible results in the field of medical application. However, the current segmentation methods of ocular fundus bleeding points mainly depend on two aspects: typical machine learning and deep learning. However, typical machine learning and deep learning require a large amount of manual identification, feature extraction, and adjustment of parameters, which are not only time-consuming but also limited in effectiveness. The Particle Swarm Optimization (PSO) algorithm is studied in this paper. Firstly, the PSO algorithm is used to find the cluster center of the bleeding point and the rectangular position of the bleeding point. After that, the active Contour Model (ACM) is used to segment the contour of the bleeding point in the eye fundus. In this paper, we improve the contour in three directions. Firstly, we propose a PSO algorithm based on the Metropolis criterion for the problem that the PSO algorithm is easy to fall into the local optimal solution. Second, regarding the determination of ocular fundus bleeding point, this paper combines the features of edge, region and shape to construct a characteristic similarity coefficient and introduce fuzzy clustering to construct a new PSO fitness function, which can be used for haemorrhage point clustering. Thirdly, for the slow speed of ACM segmentation, the defect of sensitivity to the initial contour is put forward, which is based on particle cluster and adding the clustering coefficient to make the starting curve closer to the target boundary. Through the Matlab simulation experiment, The improved PSO and local ACM have been improved in terms of stability, speed, accuracy and ability to resist noise. In addition, the new algorithm proposed in this paper can segment the contour of bleeding points accurately and consume them manually. The segmentation accuracy is superior to the existing machine-learning-based eyeground haemorrhage detection algorithm.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：R587.2;R774.1;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊亦;眼底出血的中醫(yī)藥治療[J];云南中醫(yī)中藥雜志;2000年04期

2 于清梅;中藥治療眼底出血的臨床觀察[J];天津中醫(yī);2001年01期

3 張俊聯(lián),周玲玲;中藥治療眼底出血30例療效觀察[J];陜西中醫(yī)學(xué)院學(xué)報(bào);2004年02期

4 齊翠英;辨證分期為主治療眼底出血46例[J];河北中醫(yī);2004年09期

5 劉素云,王恩榮;眼底紅藥系列方治療眼底出血臨床分析[J];中國(guó)中醫(yī)急癥;2004年11期

6 張娟;;止血愈消湯治療糖尿病視網(wǎng)膜病變眼底出血36例[J];浙江中醫(yī)雜志;2006年08期

7 斯璐;廉紅云;郭軍;;重組人血管內(nèi)皮抑制素相關(guān)性眼底出血1例[J];臨床腫瘤學(xué)雜志;2008年03期

8 魯周群;;中醫(yī)辨證治療眼底出血68例臨床體會(huì)[J];光明中醫(yī);2010年06期

9 劉力;劉力珍;;眼底出血患者的健康宣教[J];新疆醫(yī)學(xué);2010年04期

10 劉建雄;;中醫(yī)辨證治療眼底出血效果探討[J];中國(guó)醫(yī)藥指南;2011年15期

相關(guān)會(huì)議論文 前10條

1 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集[C];2007年

2 白世淼;;中醫(yī)辨治眼底出血的思路及臨床用藥探析[A];第十屆全國(guó)中西醫(yī)結(jié)合眼科學(xué)術(shù)會(huì)議暨第五屆海峽眼科學(xué)術(shù)交流會(huì)論文匯編[C];2011年

3 陳小娟;;眼底出血治驗(yàn)三則[A];全國(guó)危亦林學(xué)術(shù)思想及現(xiàn)代臨床診療技術(shù)發(fā)展研討會(huì)論文集[C];2002年

4 孫紅光;潘毓學(xué);;基于運(yùn)動(dòng)目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

5 韓毅;唐加福;郭偉宏;劉陽(yáng);;混合粒子群優(yōu)化算法求解多層批量問(wèn)題(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

6 司曉文;;三七粉為主辯證治療糠尿病性眼底出血[A];貴州省中西醫(yī)結(jié)合學(xué)會(huì)2006年眼科年會(huì)論文集[C];2006年

7 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

8 汪榮貴;李守毅;孫見(jiàn)青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

9 洪亮;;眼底出血辨治述要[A];第十次全省中、西醫(yī)眼科學(xué)術(shù)交流會(huì)（暨吉安地區(qū)眼科專(zhuān)委會(huì)成立會(huì)議）學(xué)術(shù)論文集[C];2010年

10 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測(cè)算法[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六省（區(qū)）2010年第28屆年會(huì)·論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 河南省西華縣人民醫(yī)院 郭俊田;外傷眼底出血驗(yàn)案[N];中國(guó)中醫(yī)藥報(bào);2013年

2 武警總醫(yī)院眼科陶海;眼底出血是怎么回事[N];健康報(bào);2002年

3 河北以嶺醫(yī)院眼科副主任醫(yī)師 耿淑蘭;謹(jǐn)防眼底出血反復(fù)發(fā)作[N];人民政協(xié)報(bào);2004年

4 副主任醫(yī)師 羅建國(guó);眼底出血 分型施治[N];大眾衛(wèi)生報(bào);2002年

5 陶海;眼底出血是怎么回事[N];保健時(shí)報(bào);2003年

6 呂英;治眼底出血方[N];民族醫(yī)藥報(bào);2006年

7 副主任醫(yī)師 耿淑蘭;眼底出血需標(biāo)本兼治[N];工人日?qǐng)?bào);2000年

8 ;中西醫(yī)結(jié)合治療糖尿病視網(wǎng)膜病變眼底出血[N];中國(guó)中醫(yī)藥報(bào);2003年

9 副主任醫(yī)師 耿淑蘭[本專(zhuān)欄作者系河北以嶺醫(yī)藥研究院（原石家莊開(kāi)發(fā)區(qū)醫(yī)藥研究所）附屬醫(yī)院醫(yī)生];眼底出血的原因及治療[N];經(jīng)濟(jì)日?qǐng)?bào);2000年

10 支楠;治療糖尿病性眼底出血的七點(diǎn)注意[N];中國(guó)中醫(yī)藥報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 高衛(wèi)峰;人工蜂群算法及其應(yīng)用的研究[D];西安電子科技大學(xué);2013年

2 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

3 姜毅;動(dòng)態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

4 Shafiullah Khan;粒子群優(yōu)化算法及其在電磁設(shè)計(jì)中的應(yīng)用[D];浙江大學(xué);2017年

5 李強(qiáng);復(fù)雜內(nèi)容圖像分割的活動(dòng)輪廓模型研究[D];哈爾濱工程大學(xué);2016年

6 易云飛;基于伊藤隨機(jī)過(guò)程的粒子群優(yōu)化算法及其應(yīng)用研究[D];武漢大學(xué);2015年

7 劉華鎣;粒子群優(yōu)化算法的改進(jìn)研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

8 白雪飛;基于視覺(jué)顯著性的圖像分割方法研究[D];山西大學(xué);2014年

9 黃萬(wàn)里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年

10 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 黃林;空間復(fù)用MIMO系統(tǒng)接收端的球形譯碼檢測(cè)算法研究[D];寧夏大學(xué);2015年

2 牛麗娟;基于Gossip算法的無(wú)線傳感器網(wǎng)絡(luò)分布式參數(shù)場(chǎng)估計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

3 卓靜一;液晶相控陣波前相位校正算法研究[D];電子科技大學(xué);2014年

4 張瑩;視頻異常事件檢測(cè)算法研究[D];大連理工大學(xué);2015年

5 張博;基于多用戶(hù)MIMO系統(tǒng)的魯棒性信號(hào)檢測(cè)算法研究[D];大連理工大學(xué);2015年

6 陳望;基于混合算法的室內(nèi)WLAN定位研究[D];新疆大學(xué);2015年

7 陳宗文;霍夫森林框架下的多目標(biāo)檢測(cè)與跟蹤算法研究[D];東北大學(xué);2013年

8 張亞玲;衛(wèi)星導(dǎo)航抗干擾算法研究及系統(tǒng)設(shè)計(jì)[D];西安電子科技大學(xué);2014年

9 賈佳蔚;基于粒子濾波的檢測(cè)前跟蹤算法研究[D];電子科技大學(xué);2015年

10 劉洪彬;Hadoop下基于邊聚類(lèi)的重疊社區(qū)發(fā)現(xiàn)算法研究[D];安徽工業(yè)大學(xué);2015年

，

本文編號(hào)：1612666