【摘要】：青光眼是一種由于眼內(nèi)壓過高導(dǎo)致眼視神經(jīng)損害的視神經(jīng)性疾病,其發(fā)生一般伴隨著視杯、視盤以及視神經(jīng)纖維層的改變,因此準(zhǔn)確測量視杯各項參數(shù)是檢測青光眼的重要指標(biāo),對青光眼的早期篩查、抑制病情發(fā)展具有重要的臨床意義。而視杯的準(zhǔn)確分割對測量視杯參數(shù)至關(guān)重要。本文首先研究了基于傳統(tǒng)圖像處理技術(shù)FCM聚類的視杯分割方法,結(jié)合視杯周圍血管在視杯邊緣彎折的特征校正視杯位置,得到了較好的視杯分割結(jié)果。但是使用傳統(tǒng)圖像處理技術(shù)的視杯分割方法需要人工設(shè)計特征,過程復(fù)雜,魯棒性不高。深度學(xué)習(xí)技術(shù)彌補了傳統(tǒng)視杯分割方法的上述不足。深度學(xué)習(xí)本質(zhì)上是神經(jīng)網(wǎng)絡(luò)的拓展,目前在語音識別、目標(biāo)檢測、語義分割等諸多人工智能領(lǐng)域都取得了突破性進(jìn)展�；谏疃葘W(xué)習(xí)的圖像語義分割的主要思路是:使用像素級標(biāo)注的圖像,利用上采樣、反卷積等特殊層,將普通卷積網(wǎng)絡(luò)提取到的特征再還原回原圖像尺寸,從而實現(xiàn)一種端到端的學(xué)習(xí)。本文在借鑒已有網(wǎng)絡(luò)的基礎(chǔ)上,提出了一種Seg-ResNet的網(wǎng)絡(luò)新架構(gòu),新架構(gòu)以殘差網(wǎng)絡(luò)結(jié)構(gòu)為主體,引入通道加權(quán)結(jié)構(gòu)以學(xué)習(xí)的方式自動調(diào)整特征通道的依賴關(guān)系,實現(xiàn)特征通道權(quán)重的重新標(biāo)定。然后將加權(quán)后的底層特征與高層特征進(jìn)行融合,用以提升網(wǎng)絡(luò)性能。結(jié)合遷移學(xué)習(xí)的訓(xùn)練策略,在加快網(wǎng)絡(luò)收斂速度的同時提高分割精度。通過對GlaucomaRepo和Drishti-GS眼底圖像數(shù)據(jù)庫進(jìn)行測試,證明了本文基于深度學(xué)習(xí)視杯分割方法的魯棒性和有效性。
【圖文】：

視杯表現(xiàn)為視盤中央的凹陷；在彩色眼底圖像上，視杯表現(xiàn)為視盤中最亮逡逑的單連通區(qū)域，周圍進(jìn)出的血管在視杯邊沿處出現(xiàn)彎折。正常人與疑似青光眼患逡逑者的彩色眼底杯盤結(jié)構(gòu)如圖１－１所示。臨床上，青光眼可以通過杯盤比（ＣｕｐＤｉｓｃ逡逑Ｒａｔｉｏ，簡稱ＣＤＲ）等參數(shù)的測量來進(jìn)行初步診斷Ａ邋ＣＤＲ是視杯區(qū)域與視盤區(qū)逡逑域的面積比，通常正常眼底的ＣＤＲ值介于０．３－０．５之間，，如果ＣＤＲ的值大于０．５，逡逑可以判斷為疑似青光眼患者。而且檢測視杯有助于建立一個視網(wǎng)膜坐標(biāo)系統(tǒng)，以逡逑１逡逑

積核中的數(shù)值就是權(quán)重，每個位置權(quán)重是一樣的，而且每個神經(jīng)元ｇ與部分輸入逡逑神經(jīng)元相連，相較于全連接，共享權(quán)重大大減少了卷積層的參數(shù)個數(shù)。逡逑卷積過程如圖２－１所示，使用一個大小為３Ｘ３的卷積核以大小為１的步長逡逑在７Ｘ７特征圖上做卷積，通過遍歷得到５Ｘ５的特征圖。逡逑Ｉ邋｜邐＿＿？」Ｉ邋｜邋Ｉ逡逑鼷Ｓ二工逡逑圖２－１卷積過程示意圖逡逑２．２．２池化層逡逑池化層的輸入一般來源于上一個卷積層，主要功能是對輸入圖像進(jìn)行降采樣，逡逑使特征圖更加抽象，降低局部發(fā)生變化對整體的影響，保持一定程度的平移不變逡逑性。池化操作在提取主要特征的同時減少下一層的參數(shù)量，防止過擬合，增強網(wǎng)逡逑絡(luò)的泛化能力。池化這種機制能夠有效的原因在于，它可以使特征對圖像輕微的逡逑畸變保持不變，特征圖的精確位置遠(yuǎn)不及相對位置的關(guān)系重要，在加強主要特征逡逑１０逡逑
【學(xué)位授予單位】：天津工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R770.4;TP391.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 高瑋瑋;沈建新;王玉亮;梁春;左晶;;基于多模板匹配的局部自適應(yīng)區(qū)域生長法在視網(wǎng)膜內(nèi)出血自動檢測中的應(yīng)用[J];光譜學(xué)與光譜分析;2013年02期

2 董銀偉;沈建新;王玉亮;;基于C-V模型的眼底圖像交互式杯盤分割[J];計算機應(yīng)用與軟件;2012年05期

3 蔡晉輝;蔣慶;周澤魁;施麗蓮;;圓檢測HOUGH變換的改進(jìn)算法研究[J];模式識別與人工智能;2004年01期

本文編號：2592856