基于時序紅反影像的后發(fā)性白內(nèi)障預(yù)測問題研究
發(fā)布時間:2020-12-05 15:03
后發(fā)性白內(nèi)障(Posterior Capsular Opacification,PCO)是白內(nèi)障手術(shù)后常見的一種并發(fā)癥,簡稱后發(fā)障。后發(fā)障的出現(xiàn)會直接影響白內(nèi)障術(shù)后患者的視力恢復(fù),目前Nd:YAG激光是治療后發(fā)障的一種有效方式,但是一旦錯過最佳的治療時機(jī),就只能通過手術(shù)方式切除后囊膜,因此后發(fā)障的及時發(fā)現(xiàn)和治療對于白內(nèi)障術(shù)后患者的視力恢復(fù)起著關(guān)鍵性的作用。白內(nèi)障手術(shù)后患者需要定期到醫(yī)院進(jìn)行復(fù)查,拍攝的眼部紅反光源影像是診斷和分析后發(fā)障的有效介質(zhì),連續(xù)多次復(fù)查的影像可形成時序影像,通過分析時序紅反光源影像可以發(fā)現(xiàn)后發(fā)障的發(fā)展變化規(guī)律,從而實現(xiàn)后發(fā)障的預(yù)測。然而,醫(yī)生很難科學(xué)地挖掘到這其中的規(guī)律,因此本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)和卷積長短期記憶網(wǎng)絡(luò)(Convolutional Long Short-Term Memory,ConvLSTM)的后發(fā)障預(yù)測方法,可以生成下一時刻的眼部紅反影像,并預(yù)測和評估其嚴(yán)重性,以決定患者在未來半年內(nèi)是否需要接受Nd:YAG激光治療。本文的主要工作包括以下三個方面:(1)晶狀體區(qū)域自動檢測...
【文章來源】:西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】:83 頁
【學(xué)位級別】:碩士
【部分圖文】:
_呂LSTM內(nèi)部結(jié)構(gòu)圖
4殘芳詐
基于生成影像的后發(fā)障嚴(yán)重程度預(yù)測方法實驗分析5.4.1 實驗環(huán)境及算法參數(shù)設(shè)置實驗在 Linux 操作系統(tǒng)下基于 Keras 搭建了相關(guān)的實驗平臺,在模型訓(xùn)批量梯度下降法進(jìn)行參數(shù)更新,Batch 的大小為 50,即每次隨機(jī)輸入 5,網(wǎng)絡(luò)總共進(jìn)行 150 個 epoch 迭代,初始學(xué)習(xí)率為 0.01(遷移學(xué)習(xí)的初0.001),經(jīng)過 100 個 epoch 后學(xué)習(xí)率降為原來的十分之一。5.4.2 實驗結(jié)果統(tǒng)計及分析文基于殘差塊結(jié)構(gòu)搭建了深度卷積神經(jīng)網(wǎng)絡(luò)用于預(yù)測評估后發(fā)障的嚴(yán)重卷積神經(jīng)網(wǎng)絡(luò)中,網(wǎng)絡(luò)的深度即網(wǎng)絡(luò)的層數(shù)、訓(xùn)練中使用到的技術(shù)以及擇都對模型的性能起到了關(guān)鍵的作用。下面從網(wǎng)絡(luò)層數(shù)、批量歸一化技活函數(shù)的選擇和遷移學(xué)習(xí)技術(shù)的使用幾個方面對網(wǎng)絡(luò)模型進(jìn)行對比分析文首先分析了殘差卷積神經(jīng)網(wǎng)絡(luò)的層數(shù)對網(wǎng)絡(luò)性能的影響,在深度卷積
本文編號:2899641
【文章來源】:西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】:83 頁
【學(xué)位級別】:碩士
【部分圖文】:
_呂LSTM內(nèi)部結(jié)構(gòu)圖
4殘芳詐
基于生成影像的后發(fā)障嚴(yán)重程度預(yù)測方法實驗分析5.4.1 實驗環(huán)境及算法參數(shù)設(shè)置實驗在 Linux 操作系統(tǒng)下基于 Keras 搭建了相關(guān)的實驗平臺,在模型訓(xùn)批量梯度下降法進(jìn)行參數(shù)更新,Batch 的大小為 50,即每次隨機(jī)輸入 5,網(wǎng)絡(luò)總共進(jìn)行 150 個 epoch 迭代,初始學(xué)習(xí)率為 0.01(遷移學(xué)習(xí)的初0.001),經(jīng)過 100 個 epoch 后學(xué)習(xí)率降為原來的十分之一。5.4.2 實驗結(jié)果統(tǒng)計及分析文基于殘差塊結(jié)構(gòu)搭建了深度卷積神經(jīng)網(wǎng)絡(luò)用于預(yù)測評估后發(fā)障的嚴(yán)重卷積神經(jīng)網(wǎng)絡(luò)中,網(wǎng)絡(luò)的深度即網(wǎng)絡(luò)的層數(shù)、訓(xùn)練中使用到的技術(shù)以及擇都對模型的性能起到了關(guān)鍵的作用。下面從網(wǎng)絡(luò)層數(shù)、批量歸一化技活函數(shù)的選擇和遷移學(xué)習(xí)技術(shù)的使用幾個方面對網(wǎng)絡(luò)模型進(jìn)行對比分析文首先分析了殘差卷積神經(jīng)網(wǎng)絡(luò)的層數(shù)對網(wǎng)絡(luò)性能的影響,在深度卷積
本文編號:2899641
本文鏈接:http://sikaile.net/yixuelunwen/wuguanyixuelunwen/2899641.html
最近更新
教材專著