提出了一種基于卷積神經(jīng)網(wǎng)絡(convolutional neural networks, CNN)加條件隨機場(conditional random fields, CRF)的眼底圖像出血點檢測方法。首先,為了避免圖像背景區(qū)域?qū)罄m(xù)檢測的影響,參考眼底圖像中的灰度信息并根據(jù)眼底中心位置到其邊緣的長度,將圖像調(diào)整到合適的尺寸,再對圖像進行線性加權(quán)增強其亮度和對比度;然后,用裁剪到的圖像塊在仿照VGG網(wǎng)絡構(gòu)建的CNN架構(gòu)上去訓練檢測出血點的CNN模型;最后,為了克服CNN模型在出血點檢測中誤檢、漏檢等問題,采用CRF對CNN模型輸出的概率圖進行后處理,以實現(xiàn)眼底圖像出血點的精確檢測。提出的檢測方法在公開的Kaggle與Messidor數(shù)據(jù)庫上進行訓練和驗證,獲得了98.8%的準確率、99.4%的召回率和99.1%的F-score。另外,在DIARETDB1數(shù)據(jù)庫上測試的靈敏度達到98.5%,F-score為96.1%。實驗結(jié)果表明,從圖像視覺和定量檢測2個方面均說明了提出方法的有效性和優(yōu)越性。

【文章頁數(shù)】：10 頁

【文章目錄】：
0 引言
1 材料與方法
    1.1 數(shù)據(jù)描述
    1.2 圖像預處理
    1.3 數(shù)據(jù)擴充
    1.4 網(wǎng)絡結(jié)構(gòu)
        1.4.1 CNN結(jié)構(gòu)設(shè)計
        1.4.2 CRF處理數(shù)據(jù)
2 實驗及結(jié)果分析
    2.1 實驗評價標準
    2.2 實驗分析
        2.2.1 CNN模型訓練
        2.2.2 出血點檢測評估
3 討論
4 總結(jié)



本文編號：3737635