發(fā)布時(shí)間：2021-04-27 07:23

　　近年來(lái),由于視網(wǎng)膜圖像具有廣泛的應(yīng)用場(chǎng)景,視網(wǎng)膜圖像分割越發(fā)受到學(xué)者們的關(guān)注和研究。視網(wǎng)膜本身非常穩(wěn)定且不易磨損和退化,臨床上,醫(yī)生可以通過收集患者的眼底圖像來(lái)診斷和治療多種眼科疾病,包括糖尿病性視網(wǎng)膜病變、黃斑病變、青光眼、白內(nèi)障等。與此同時(shí),隨著計(jì)算機(jī)的普及,數(shù)據(jù)處理技術(shù)得到了迅速發(fā)展,并逐漸應(yīng)用于醫(yī)學(xué)領(lǐng)域的各個(gè)方面,其中,醫(yī)學(xué)圖像處理技術(shù)為醫(yī)學(xué)發(fā)展和人類健康做出了巨大貢獻(xiàn)。眼球包括多種結(jié)構(gòu),在由眼底照相機(jī)拍攝的視網(wǎng)膜圖像中,眼底血管、黃斑和視盤等區(qū)域出現(xiàn)的病變較為常見�；趫D像處理和機(jī)器學(xué)習(xí)的方法,本文從局部病灶的提取和全局病變的識(shí)別和判斷中做了相關(guān)方法的研究:1.首先對(duì)眼底圖像進(jìn)行預(yù)處理,包括色彩空間的選取以及圖像的增強(qiáng)和均衡化;2.在局部病灶提取中首先對(duì)眼底血管進(jìn)行分割,并對(duì)血管病變中的微動(dòng)脈瘤進(jìn)行提取,最后對(duì)微動(dòng)脈瘤病變像素點(diǎn)進(jìn)行分級(jí);3.接著對(duì)眼底圖像中的硬性滲出物進(jìn)行了提取,對(duì)算法的評(píng)價(jià)采用機(jī)器學(xué)習(xí)中的相關(guān)分類器,對(duì)分割出的病變像素點(diǎn)進(jìn)行訓(xùn)練和測(cè)試,計(jì)算各項(xiàng)指標(biāo);4.全局病變識(shí)別中運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)對(duì)眼底圖像病變與正常進(jìn)行識(shí)別和判斷,并用網(wǎng)絡(luò)對(duì)微動(dòng)脈瘤和硬性滲出物單個(gè)病變... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：88 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景及意義
    1.2 眼球結(jié)構(gòu)及眼底病變與其相關(guān)數(shù)據(jù)集
        1.2.1 眼球結(jié)構(gòu)
        1.2.2 常見的眼底病變
        1.2.3 相關(guān)數(shù)據(jù)集介紹
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 論文主要研究?jī)?nèi)容和章節(jié)安排
        1.4.1 論文的主要研究?jī)?nèi)容
        1.4.2 論文研究?jī)?nèi)容的主要理論
        1.4.3 論文章節(jié)結(jié)構(gòu)安排
第二章 眼底圖像處理技術(shù)
    2.1 眼底圖像的預(yù)處理方法
        2.1.1 色彩空間及其相互轉(zhuǎn)換
        2.1.2 眼底圖像通道分量的應(yīng)用
        2.1.3 眼底圖像增強(qiáng)及均衡化方法
    2.2 眼底圖像的分割和分類方法
        2.2.1 眼底圖像的分割方法
        2.2.2 眼底圖像的分類方法
    2.3 本章小結(jié)
第三章 血管分割及微動(dòng)脈瘤的檢測(cè)
    3.1 血管分割
        3.1.1 圖像預(yù)處理
        3.1.2 閾值分割
    3.2 微動(dòng)脈瘤的檢測(cè)
        3.2.1 病變像素點(diǎn)的分割
        3.2.2 病變像素點(diǎn)統(tǒng)計(jì)
        3.2.3 病變像素點(diǎn)分級(jí)
    3.3 本章小結(jié)
第四章 硬性滲出物的檢測(cè)及評(píng)價(jià)方法
    4.1 硬性滲出物檢測(cè)
        4.1.1 預(yù)處理
        4.1.2 邊緣檢測(cè)候選區(qū)域的生成
        4.1.3 聚類候選區(qū)域的生成
        4.1.4 候選區(qū)域的聚合
    4.2 算法評(píng)價(jià)方法
        4.2.1 標(biāo)簽圖像的生成
        4.2.2 機(jī)器學(xué)習(xí)分類器預(yù)測(cè)圖像的生成
        4.2.3 算法評(píng)價(jià)指標(biāo)
    4.3 本章小結(jié)
第五章 基于卷積神經(jīng)網(wǎng)絡(luò)的眼底病變檢測(cè)
    5.1 卷積神經(jīng)網(wǎng)絡(luò)
        5.1.1 CNN與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較
        5.1.2 網(wǎng)絡(luò)結(jié)構(gòu)
    5.2 全局眼底圖像病變的識(shí)別
        5.2.1 正常與病變圖像的識(shí)別
        5.2.2 微動(dòng)脈瘤和硬性滲出物的識(shí)別
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 文章總結(jié)
    6.2 未來(lái)展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]糖尿病視網(wǎng)膜病變輔助檢查現(xiàn)狀[J]. 苑欣,哈斯,張小杉,吳曉萍.  轉(zhuǎn)化醫(yī)學(xué)雜志. 2014(06)
[2]基于Hessian算子的多尺度視網(wǎng)膜血管增強(qiáng)濾波方法[J]. 丘赟立,蔣先剛,熊娟.  計(jì)算機(jī)應(yīng)用與軟件. 2014(09)
[3]基于SVM的眼底圖像硬性滲出檢測(cè)[J]. 潘燕紅,潘林.  計(jì)算機(jī)與現(xiàn)代化. 2014(04)
[4]RBF神經(jīng)網(wǎng)絡(luò)和閾值分割實(shí)現(xiàn)視網(wǎng)膜硬性滲出自動(dòng)檢測(cè)[J]. 高瑋瑋,沈建新,王玉亮.  中國(guó)圖象圖形學(xué)報(bào). 2013(07)
[5]一種新的血管造影圖像Hessian矩陣增強(qiáng)算法[J]. 康長(zhǎng)青,袁磊,華麗,曹文平.  計(jì)算機(jī)工程與科學(xué). 2012(10)
[6]灰度不均的弱邊緣血管影像的水平集分割方法[J]. 薛維琴,周志勇,張濤,李莉華,鄭健.  軟件學(xué)報(bào). 2012(09)
[7]基于Hessian矩陣的多尺度視網(wǎng)膜圖像增強(qiáng)方法[J]. 游嘉,陳波.  計(jì)算機(jī)應(yīng)用. 2011(06)
[8]病變視網(wǎng)膜圖像血管網(wǎng)絡(luò)的自動(dòng)分割[J]. 姚暢,陳后金.  電子學(xué)報(bào). 2010(05)
[9]一種新的視網(wǎng)膜血管網(wǎng)絡(luò)自動(dòng)分割方法[J]. 姚暢,陳后金.  光電子.激光. 2009(02)
[10]面向肺癌CAD的CT圖像疑似病灶檢測(cè)算法[J]. 魏穎,于謙,賈同,趙大哲.  儀器儀表學(xué)報(bào). 2009(01)

博士論文
[1]眼底圖像分割方法的研究及其應(yīng)用[D]. 姚暢.北京交通大學(xué) 2009
[2]眼底圖像處理與分析中一些關(guān)鍵問題的研究[D]. 李居朋.北京交通大學(xué) 2009

碩士論文
[1]糖尿病視網(wǎng)膜病變圖像的滲出物自動(dòng)檢測(cè)算法研究[D]. 陳向.哈爾濱工業(yè)大學(xué) 2012
[2]基于k近鄰圖區(qū)域合并的視網(wǎng)膜硬性滲出自動(dòng)檢測(cè)研究[D]. 林蔚.上海交通大學(xué) 2008
[3]靜態(tài)圖像感興趣區(qū)域提取關(guān)鍵技術(shù)研究[D]. 李超.天津大學(xué) 2007
[4]基于非熒光眼底圖像的糖尿病特征提取[D]. 孫偉.吉林大學(xué) 2007



本文編號(hào)：3163043