根據(jù)數(shù)據(jù)資料顯示,一些常見的眼科疾病都可以利用眼底圖像的形式觀察檢測到,白內障就是其中一種常見性的眼科疾病。本文主要利用機器學習算法中的圖像識別技術,對白內障眼底圖像進行診斷識別,提出了能充分利用無標簽的眼底圖像數(shù)據(jù)進行半監(jiān)督學習,從而提升模型在測試集上準確率的半監(jiān)督學習算法。本文提出的基于半監(jiān)督學習的白內障眼底圖像自動分類標注系統(tǒng)對降低醫(yī)療成本,緩解短缺的醫(yī)生資源以及提升白內障疾病的診療效率具有很重要的科研價值和臨床意義。本文主要完成了如下幾個方面的工作:在白內障眼底圖像預處理階段,使用了圖像灰度化來將原始的OCT彩色眼底圖像轉換成灰度圖,使用像素值標準化和歸一化將圖像的像素值劃歸到同一個灰度范圍,使用限制對比度直方圖均衡化（CLAHE）的方法來對圖像進行初步的增強,使用伽馬矯正來去除光照不均對圖像造成的影響。在眼底圖像特征提取階段,提取了圖像的顏色特征,紋理特征,小波特征,輪輻特征以及眼底血管五類特征,共計128維。在半監(jiān)督算法實現(xiàn)階段,本文使用了兩種半監(jiān)督學習算法,一種是基于傳統(tǒng)的機器學習算法實現(xiàn)的半監(jiān)督算法,另一種是基于生成對抗神經(jīng)網(wǎng)絡（GAN）實現(xiàn)的半監(jiān)督學習算法。本文使用得... 

【文章來源】：中北大學山西省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

每個級別的眼底圖像a.健康b.輕微c.中度d.重度圖2.1給出了白內障眼底圖像的不同程度以及未患病的典型圖像，圖(a)是未患病眼底圖像，圖(b)為白內障輕度患者的眼底圖像，圖(c)為白內障中度患者的眼底圖像，圖(d)

圖 a 原始圖像 圖 b 灰度化圖像圖 2.2 圖像灰度化((.3 圖像增強在圖像處理的技術當中，常常會用到圖像增強的方法，圖像增強的應用同樣是的，通過各種增強技術來增強圖像的視覺效果。圖像增強的一個典型的例子就是增強，利用兩個不同表面所反射回來的不同的亮度作為對比度[33]。也就是說，對121 11_ mid1 1( )NiiN Ni ii iX xNXx xN N== =-=- _ min( _ )_ 255max( _ ) min( _ )X mid X midX normX mid X mid-= ′-

中北大學學位論文該曲線就是一個函數(shù)，這個函數(shù)中的形式如下：Y=(X+e)γ，他的Y就是亮度、輸出電壓、e是補償系數(shù)、乘冪值(γ)為伽瑪值，通常改變 CRT 的伽瑪曲線是通(γ)的值。0.45 是伽瑪?shù)囊粋�典型值，圖像的亮度呈現(xiàn)線性，由于顯示器的屏幕信號灰度是指數(shù)函數(shù)形式，不是線性的，所以要校正。在本文中，選用的γ值是對比效果圖如下 2.5 所示。由圖可見，伽馬調整后的圖像血管比調整前的血管更，在某種意義上把照片本身拍照時候不能避免的因素也調和掉了，是的圖像更清

【參考文獻】：
期刊論文
[1]基于顏色特征和尺度自適應的時空上下文算法[J]. 周海英,李松玥.  計算機工程與設計. 2019(02)
[2]基于SVM的深度學習分類研究綜述[J]. 喬風娟,郭紅利,李偉,李彬.  齊魯工業(yè)大學學報. 2018(05)
[3]基于灰度共生矩陣的乳腺病理圖像紋理特征分析[J]. 趙爽,李延軍,馬志慶,趙文華.  中國醫(yī)學裝備. 2018(08)
[4]基于改進的CLAHE顯微細胞圖像增強算法[J]. 魏德志,梁光明.  計算機技術與發(fā)展. 2018(10)
[5]一種使用log函數(shù)的新型修正激活單元LogReLU[J]. 王多民,劉淑芬.  吉林大學學報(理學版). 2017(03)
[6]基于自適應伽瑪校正的去霧算法[J]. 辛婷婷,肖雪梅.  電腦知識與技術. 2017(10)
[7]一種基于非負低秩稀疏圖的半監(jiān)督學習改進算法[J]. 張濤,唐振民.  電子與信息學報. 2017(04)
[8]加權灰度-梯度共生矩陣特征值的圖像檢索[J]. 李慎,王玉德,李妍,王順.  電子技術. 2015(12)
[9]糖尿病性視網(wǎng)膜病變圖像黃斑水腫等級自動分析方法[J]. 鄭紹華,陳健,潘林,余輪.  中國生物醫(yī)學工程學報. 2014(06)
[10]半監(jiān)督學習方法[J]. 劉建偉,劉媛,羅雄麟.  計算機學報. 2015(08)

博士論文
[1]圖像增強的相關技術及應用研究[D]. 李艷梅.電子科技大學 2013

碩士論文
[1]針對特納綜合征的自動人臉分類方法研究[D]. 雷毅.中北大學 2018
[2]眼科專科影像數(shù)據(jù)分析關鍵技術研究[D]. 王萍.中北大學 2017
[3]視網(wǎng)膜血管分割與動靜脈分類方法研究[D]. 楊毅.哈爾濱工業(yè)大學 2016
[4]基于組合分類器的白內障眼底圖像分類系統(tǒng)[D]. 曾楊.北京郵電大學 2016
[5]基于專家知識的白內障影像等級自動分類系統(tǒng)研究[D]. 楊美美.北京郵電大學 2014
[6]基于logistic回歸的違約概率模型的建立及分析[D]. 孟敏.山東大學 2012
[7]基于人工神經(jīng)網(wǎng)絡的圖像識別和分類[D]. 卜富清.成都理工大學 2010
[8]青光眼眼底圖像的自動識別與分析方法研究[D]. 干能強.西南交通大學 2008



本文編號：3250521