隨著人們生活方式的改變,各種電子產(chǎn)品已經(jīng)滲透到生活的方方面面,各種不健康的用眼習慣及眼睛過度疲勞造成越來越多的眼部疾病患者。視力是人們獲取外界信息的重要途徑,一旦致盲,不可逆轉(zhuǎn),嚴重影響了人們的生活。各種眼部疾病會對眼底結(jié)構(gòu)造成不同程度的改變,眼底圖像是醫(yī)生診斷眼部疾病最直接和有效的依據(jù),因此進行眼底圖像分析對眼部疾病的輔助診斷具有重要意義。眼底圖像增強與分割是眼底圖像分析的先決條件,也是圖像處理領(lǐng)域的經(jīng)典難題,基于此,本文對眼底圖像進行了以下研究:其一,為了準確的提取眼底視盤結(jié)構(gòu),提出了基于ShuffleNet和注意力機制的視盤分割網(wǎng)絡(luò)。我們使用ShuffleNet基本單元取代U-Net網(wǎng)絡(luò)中的卷積結(jié)構(gòu),使得網(wǎng)絡(luò)兼顧“少參數(shù)”和“高精度”,并在此基礎(chǔ)上使用注意力機制,對U-Net中快捷連接的低層特征進行增強或抑制,得到有用的特征用于視盤結(jié)構(gòu)的提取,避免引入無關(guān)噪聲。另外,根據(jù)平均Hausdorff距離和加權(quán)Hausdorff距離的思想,提出了加權(quán)平均Hausdorff距離,并作為約束項用在損失函數(shù)中,約束網(wǎng)絡(luò)訓(xùn)練,產(chǎn)生更好的分割。最后使用DRIONSDB、RIM-ONE及DRISHT...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 眼底視盤分割研究現(xiàn)狀
    1.3 眼底血管增強研究現(xiàn)狀
    1.4 眼底血管分割研究現(xiàn)狀
    1.5 本文工作與內(nèi)容安排
第2章 基于Shuffle Net及注意力機制的視盤分割網(wǎng)絡(luò)
    2.1 Shuffle Att Unet網(wǎng)絡(luò)
        2.1.1 標準U-Net結(jié)構(gòu)
        2.1.2 Shuffle Unet網(wǎng)絡(luò)
        2.1.3 基于注意力機制的Shuffle Unet網(wǎng)絡(luò)
    2.2 加權(quán)平均Hausdorff距離約束
        2.2.1 平均Hausdorff距離
        2.2.2 加權(quán)Hausdorff距離
        2.2.3 加權(quán)平均Hausdorff距離
    2.3 實驗結(jié)果與分析
        2.3.1 數(shù)據(jù)集與評價標準
        2.3.2 實驗環(huán)境與參數(shù)設(shè)置
        2.3.3 實驗結(jié)果與分析
    2.4 小結(jié)
第3章 基于K-SVD的眼底血管去噪算法
    3.1 改進的Frangi血管增強算法
        3.1.1 Frangi濾波
        3.1.2 基于模板濾波的斷裂處理
    3.2 基于稀疏約束的眼底圖像去噪方法
        3.2.1 稀疏約束去噪算法
        3.2.2 Fista求解稀疏約束去噪模型
    3.3 實驗結(jié)果與分析
        3.3.1 數(shù)據(jù)集與評價標準
        3.3.2 實驗環(huán)境與參數(shù)設(shè)置
        3.3.3 實驗結(jié)果與分析
    3.4 小結(jié)
第4章 基于多尺度注意力機制的循環(huán)殘差卷積網(wǎng)絡(luò)的眼底血管分割
    4.1 循環(huán)殘差卷積
    4.2 多尺度注意力機制的循環(huán)殘差卷積網(wǎng)絡(luò)
    4.3 實驗結(jié)果與分析
        4.3.1 數(shù)據(jù)集與評價標準
        4.3.2 實驗環(huán)境與參數(shù)設(shè)置
        4.3.3 實驗結(jié)果與分析
    4.4 小結(jié)
第5章 總結(jié)與展望
參考文獻
深圳大學(xué)指導(dǎo)教師對研究生學(xué)位論文的學(xué)術(shù)評語
學(xué)位論文答辯委員會決議書
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號：3868560