糖尿病視網(wǎng)膜病變是導致失明的首要疾病之一,及時診斷和治療能夠挽回患者視力損失。糖尿病視網(wǎng)膜疾病診斷是指利用給出的視網(wǎng)膜圖像判斷患者疾病程度。本文的糖尿病視網(wǎng)膜疾病診斷方法能夠準確分割出視網(wǎng)膜圖像中的血管,然后利用分割時提取的特征完成疾病診斷。主要研究工作如下:針對樣本不足的問題,提出了一種視網(wǎng)膜圖像分塊分割方法。為了保留直徑較小的血管,本文設計了尺寸不變特征,避免了下采樣造成的信息大量丟失的問題。針對樣本數(shù)量不足的問題,本文設計了對原始圖像進行多次采樣的視網(wǎng)膜圖像分塊分割的方法。另外,對于分塊后出現(xiàn)拼接條紋的問題,本文提出了有重疊分塊方法。本文設計了一個全卷積神經(jīng)網(wǎng)絡,逐塊分割視網(wǎng)膜圖像,在計算能力較低的計算機上即可完成計算。本文通過實驗證明了在國際公開視網(wǎng)膜圖像數(shù)據(jù)庫上,本文方法相比于傳統(tǒng)方法在分割的準確率和處理速度上均有提升。針對感受野較小和收斂速度慢的問題,提出了一種視網(wǎng)膜圖像全局自適應權(quán)重分割方法。對于視網(wǎng)膜圖像中血管像素比例遠低于背景像素比例問題,本文提出一種自適應權(quán)重的方法,能夠隨著迭代的進行更新像素在損失函數(shù)中的權(quán)重,解決了該問題,也能夠加速網(wǎng)絡收斂。為了擴大神經(jīng)網(wǎng)絡的感受野,本文引入了atrous卷積,能夠任意控制感受野,克服了尺寸不變特征感受野較小的問題。針對視網(wǎng)膜血管圖像中背景復雜的情況,本文設計了SegVessel網(wǎng)絡,使用了三個損失函數(shù)加速網(wǎng)絡收斂。實驗證明,本文方法在DRIVE數(shù)據(jù)集上準確率和召回率達到96.00%和77.46%,在CHASE_DB1上也達到了95.17%和77.56%,超過之前算法。針對糖尿病視網(wǎng)膜病變診斷過程中特征提取困難的問題,本文設計了基于殘差網(wǎng)絡的病變診斷神經(jīng)網(wǎng)絡,將視網(wǎng)膜圖像分割所提取的特征作為診斷的特征。對實驗結(jié)果進行可視化后證明,本文設計的神經(jīng)網(wǎng)絡學習到了診斷所需的血管、病變區(qū)域等特征。在國際公開數(shù)據(jù)庫上,本文診斷的正確率達到了93.09%,召回率達到了94.61%,兩個指標均有提升。
【學位單位】：電子科技大學
【學位級別】：碩士
【學位年份】：2017
【中圖分類】：R587.2;R774.1;TP391.41

【參考文獻】

相關(guān)期刊論文 前6條

1 馮語姍;王子磊;;自上而下注意圖分割的細粒度圖像分類[J];中國圖象圖形學報;2016年09期

2 孫艷麗;張駿;;維生素D水平與2型糖尿病視網(wǎng)膜及黃斑病變的相關(guān)研究[J];中國生化藥物雜志;2016年08期

3 甘柳珠;鄒凱;陳輝;;糖尿病視網(wǎng)膜病變危險因素的研究進展[J];右江民族醫(yī)學院學報;2015年05期

4 陳霞琳;汪迎;張凱;黃靜;;糖尿病性視網(wǎng)膜病變相關(guān)危險因素分析[J];臨床眼科雜志;2013年04期

5 蘭文;陸燕;王春紅;胡欽瑞;黃振平;;糖尿病視網(wǎng)膜病變炎癥的研究新進展[J];眼科新進展;2013年02期

6 劉衛(wèi),張勇進;糖尿病性視網(wǎng)膜病變[J];國外醫(yī)學.眼科學分冊;2005年05期

本文編號：2822046