糖尿病視網(wǎng)膜病變是糖尿病最嚴(yán)重也最常見(jiàn)的并發(fā)癥之一,表現(xiàn)為眼部的微血管病變,是導(dǎo)致失明的主要原因。目前專(zhuān)家診斷的過(guò)程依賴(lài)于對(duì)視網(wǎng)膜眼底圖像進(jìn)行分析,找出病灶所在進(jìn)而給出診斷結(jié)果和相應(yīng)的治療措施,但往往受限于醫(yī)療條件分布差異以及人工效率較低等原因,使得不少患者錯(cuò)失了最佳診治時(shí)間,從而導(dǎo)致視覺(jué)損傷。因而提供自動(dòng)視網(wǎng)膜眼底圖像分析算法并構(gòu)建模型對(duì)于輔助醫(yī)療診斷過(guò)程具有重要的意義。本文基于深度學(xué)習(xí)的方法,對(duì)視網(wǎng)膜眼底圖像進(jìn)行研究分析,主要包括以下四個(gè)方面的內(nèi)容:（1）針對(duì)深度學(xué)習(xí)需要大量標(biāo)記數(shù)據(jù)而現(xiàn)實(shí)中病理數(shù)據(jù)獲取的有限性,對(duì)于圖像分類(lèi)和分割任務(wù)分別采取了不同的數(shù)據(jù)預(yù)處理方式,包括圖像的去噪、歸一化、擴(kuò)增以及后處理幾個(gè)方面,從而在有效擴(kuò)增數(shù)據(jù)的同時(shí)完成了數(shù)據(jù)清洗工作。（2）提出了對(duì)視網(wǎng)膜眼底圖像疾病嚴(yán)重程度分類(lèi)的Concise Net模型,該模型基于Inception和Res Net的組件架構(gòu),將經(jīng)過(guò)預(yù)處理后的圖像直接輸入網(wǎng)絡(luò)中,通過(guò)主干部分、殘差模塊以及遞減模塊提取特征后,進(jìn)入輔助分類(lèi)模塊完成初步分類(lèi),并融合該分類(lèi)結(jié)果得到最終的輸出。（3）提出了對(duì)視網(wǎng)膜眼底圖像實(shí)現(xiàn)病灶分割的DRUnet模型... 

【文章來(lái)源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

全球各地區(qū)2017年和2045年糖尿病成人患者數(shù)量統(tǒng)計(jì)分析圖

分別處理不同尺度的輸入，并最終合并在一起構(gòu)成特征向量進(jìn)行分類(lèi)，網(wǎng)絡(luò)架構(gòu)如下圖2-1 所示。文章[25]也采用類(lèi)似的算法來(lái)區(qū)分皮膚病癥，網(wǎng)絡(luò)中的每個(gè)流對(duì)應(yīng)處理不同分辨率的輸入。這里同樣也會(huì)涉及到對(duì) 3D 信息的融合，研究者們采用了多種處理方法。Setio 等人[26]從肺部 CT（ComputedTomography，計(jì)算機(jī)斷層掃描）的候選區(qū)域中提取了多達(dá) 9 個(gè)不同方向的片段并將其分別應(yīng)用在每個(gè)流中來(lái)綜

圖 2-2 U-net 網(wǎng)絡(luò)架構(gòu)圖示（3） 其他醫(yī)學(xué)圖像配準(zhǔn)是醫(yī)學(xué)圖像分析的重要研究?jī)?nèi)容之一，是指對(duì)于一幅醫(yī)學(xué)圖像一系列的空間變換，使其可以與另一幅醫(yī)學(xué)圖像上的點(diǎn)對(duì)應(yīng)起來(lái)。文章[33]利NN 從不同的模式估計(jì)在兩幅圖像中提取出的小塊區(qū)域之間的相似性，進(jìn)而對(duì)應(yīng)像素點(diǎn)。文章[34]利用 CNN 執(zhí)行 3D 到 2D 的 X 射線(xiàn)配準(zhǔn)，以評(píng)估手術(shù)植入物體的位置，該變換共涉及 6 個(gè)參數(shù)，包括 2 個(gè)平移參數(shù)、1 個(gè)縮放參 3 個(gè)角度參數(shù)，并針對(duì)兩個(gè)角度參數(shù)以 20 度的步長(zhǎng)參數(shù)化特征空間，同時(shí)定 3D 模型的數(shù)字重建的 X 射線(xiàn)照片和實(shí)際的術(shù)中 X 射線(xiàn)的情況下訓(xùn)練單 CNN 以預(yù)測(cè)更新變換參數(shù)，通過(guò)在臨床應(yīng)用中進(jìn)行定量評(píng)估表明該方法比傳統(tǒng)的純粹基于強(qiáng)度的方法具有更高的配準(zhǔn)成功率。因?yàn)獒t(yī)學(xué)圖像的獲取通常比較困難且代價(jià)昂貴，因此學(xué)者們也提出利用深度

【參考文獻(xiàn)】：
期刊論文
[1]糖尿病性視網(wǎng)膜圖像的深度學(xué)習(xí)分類(lèi)方法[J]. 李瓊,柏正堯,劉瑩芳.  中國(guó)圖象圖形學(xué)報(bào). 2018(10)
[2]糖尿病性視網(wǎng)膜圖像的深度神經(jīng)網(wǎng)絡(luò)分類(lèi)方法[J]. 丁蓬莉,李清勇,張振,李峰.  計(jì)算機(jī)應(yīng)用. 2017(03)
[3]基于k均值聚類(lèi)和自適應(yīng)模板匹配的眼底出血點(diǎn)檢測(cè)方法[J]. 肖志濤,趙北方,張芳,耿磊,吳駿,王雯,張欣鵬,蘇龍,陳莉明,單春燕.  中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào). 2015(03)
[4]糖尿病性視網(wǎng)膜病變[J]. 陳迪,趙斌,沈曄暉.  社區(qū)醫(yī)學(xué)雜志. 2007(16)
[5]糖尿病性視網(wǎng)膜病變發(fā)病機(jī)制研究進(jìn)展[J]. 張小玲,邱曙東,陳艷炯,孫文濤.  國(guó)際眼科雜志. 2005(06)



本文編號(hào)：3229936