醫(yī)學(xué)和計(jì)算機(jī)技術(shù)的發(fā)展,使得利用計(jì)算機(jī)技術(shù)分析臨床數(shù)據(jù)成為了可能。眼底圖像是比較常用的一種醫(yī)學(xué)實(shí)驗(yàn)圖像,它可以用來幫助醫(yī)生對(duì)于某些疾病的診斷提供參考依據(jù),比如青光眼、老年黃斑變性、高血壓以及糖尿病等疾病。其中青光眼是一種具有高度危險(xiǎn)性和廣泛性的眼部疾病,可導(dǎo)致視力永久性喪失。杯盤比是青光眼篩查的重要參數(shù)之一,這就要求對(duì)視杯和視盤進(jìn)行精確的分割。另外,視網(wǎng)膜黃斑區(qū)域是視網(wǎng)膜眼底圖像中最重要的解剖結(jié)構(gòu)之一,是眼睛感光的重要部位,并且位于視網(wǎng)膜的較暗和色素沉著的區(qū)域中,它的定位和分割在視網(wǎng)膜疾病自動(dòng)分析中是非常必要的。在本論文中,提出了使用基于VGG16的全卷積網(wǎng)絡(luò)模型進(jìn)行實(shí)驗(yàn),并采用公開的DRIVE眼底圖像數(shù)據(jù)集。鑒于該數(shù)據(jù)集數(shù)據(jù)樣本較少,在本論文中提出了使用圖像變換的方法擴(kuò)充實(shí)驗(yàn)樣本。另外,通過借鑒全卷積網(wǎng)絡(luò)中的跳躍結(jié)構(gòu)的思想對(duì)提出的模型進(jìn)行進(jìn)一步微調(diào)整,即選擇基礎(chǔ)模型與第二層池化層的輸出結(jié)果進(jìn)行融合疊加,生成的模型為初級(jí)微調(diào)整模型,然后再讓該模型與第一層池化層的輸出結(jié)果進(jìn)行疊加,產(chǎn)生的模型為終極微調(diào)整模型。其次,利用遷移學(xué)習(xí)的思想,初始化模型的訓(xùn)練參數(shù),并通過對(duì)參數(shù)進(jìn)行微調(diào),對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行訓(xùn)練分割,最后輸出模型的分割結(jié)果。然后通過實(shí)驗(yàn)分別對(duì)初級(jí)微調(diào)整模型和終極微調(diào)整模型的分割結(jié)果進(jìn)行對(duì)比分析。通過實(shí)驗(yàn)對(duì)比,發(fā)現(xiàn)通過繼續(xù)往前融合疊加池化層的特征圖,會(huì)在一定程度提升視杯、視盤和黃斑三個(gè)結(jié)構(gòu)的分割效果。其次,通過全連接條件隨機(jī)場(chǎng)的后處理操作之后,眼底圖像中視杯分割受血管影響較大。但此種方法可以作為后續(xù)項(xiàng)目中眼底血管的分割。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R770.4;TP391.41;TP183
【部分圖文】：

第二章 眼底圖像結(jié)構(gòu)分割相關(guān)技術(shù)第二章 眼底圖像結(jié)構(gòu)分割相關(guān)技術(shù)主要結(jié)合卷積網(wǎng)絡(luò)的發(fā)展過程講解了本文中需要用到的一些技引出本文所用的全卷積網(wǎng)絡(luò)模型，然后對(duì)其模型結(jié)構(gòu)與思想進(jìn)結(jié)構(gòu)概述周知，人們眼中的視網(wǎng)膜是視覺傳送信息最靈敏的區(qū)域。如下圖底圖像上，明確標(biāo)出了黃斑、視杯、視盤以及動(dòng)靜脈血管等。關(guān)于眼底圖像中視盤、視杯以及黃斑區(qū)域的分割。從圖像上可上的血管和視盤通常有明顯的輪廓邊界，因此可以清楚地來劃斑結(jié)構(gòu)和視杯兩個(gè)眼底結(jié)構(gòu)沒有明確的邊界限制。

的臨床相關(guān)性。因此，黃斑中央凹的自動(dòng)分割病變的風(fēng)險(xiǎn)。 此外，與視盤（OD）中心一起分類參考框架的解剖學(xué)標(biāo)志。概述神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)兩種類型。其中生神經(jīng)元、觸點(diǎn)等結(jié)構(gòu)構(gòu)成的網(wǎng)絡(luò)，是用來產(chǎn)生力。人工神經(jīng)網(wǎng)絡(luò)也就是當(dāng)下最為火熱的人工就是使用計(jì)算機(jī)來模擬生物的大腦（主要是人系統(tǒng)更加智能化。經(jīng)典的神經(jīng)網(wǎng)絡(luò)。這是一個(gè)包含三個(gè)層次的神是輸出層，紫色的是中間層（也叫隱藏層）。4 個(gè)單元，輸出層有 2 個(gè)單元。

圖 2-3 神經(jīng)網(wǎng)絡(luò)另一種結(jié)構(gòu)動(dòng)物的大腦工作過程是通過一個(gè)個(gè)神經(jīng)細(xì)胞或著神經(jīng)紀(jì)就被生物學(xué)家知曉。一個(gè)神經(jīng)元一般連有多個(gè)樹突，的消息；但是神經(jīng)元的軸突卻僅僅一條，其他神經(jīng)元來傳遞信號(hào)。構(gòu)是集輸入、輸出與計(jì)算功能為一體的模型。它的輸入出就像神經(jīng)元的軸突，而計(jì)算就像細(xì)胞核。示，這是一個(gè)典型的神經(jīng)元模型，它包含輸入三個(gè)，輸。注意中間的箭頭線。這些線稱為“連接”。每個(gè)上，每條線上都有一個(gè)權(quán)重值。通過訓(xùn)練，目的就是讓達(dá)到讓整個(gè)網(wǎng)絡(luò)的預(yù)測(cè)效果最好的效果。例如使用 a
【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 鄭紹華;陳健;潘林;余輪;;糖尿病性視網(wǎng)膜病變圖像黃斑水腫等級(jí)自動(dòng)分析方法[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2014年06期

本文編號(hào)：2855436