發(fā)布時(shí)間：2020-03-24 21:21

【摘要】：隨著人們生活水平的逐漸提高,壽命日益延長,罹患糖尿病的患者也日益增加。糖尿病視網(wǎng)膜病變(Diabetic Retinopathy,DR)便是由糖尿病引起的并發(fā)癥之一。糖尿病視網(wǎng)膜病變會(huì)損傷視網(wǎng)膜血管壁,造成視網(wǎng)膜滲出、出血斑塊、毛細(xì)血管瘤等損傷,最終造成人們視力下降甚至失明。糖尿病視網(wǎng)膜病變與青光眼、白內(nèi)障、高血壓被歸為四大致盲因素。根據(jù)國家衛(wèi)生計(jì)生委辦公廳統(tǒng)計(jì),中國是全球2型糖尿病患者最多的國家,視網(wǎng)膜病發(fā)率、致盲率也不斷升高,2017年我國預(yù)計(jì)有2700萬糖尿病視網(wǎng)膜病變患者,所以對該癥的治療刻不容緩。另一方面,研究表明,在糖尿病視網(wǎng)膜病變早期對病變進(jìn)行干預(yù)治療可以有效降低患者致盲風(fēng)險(xiǎn)[1],所以及早對糖尿病視網(wǎng)膜病變的診斷對于預(yù)防治療視網(wǎng)膜病變至關(guān)重要。目前對于糖尿病視網(wǎng)膜病變的診斷主要通過觀察眼底圖像診斷。眼底圖像通過數(shù)碼眼底照相機(jī)拍攝眼底獲取,精確記錄眼底信息,方便醫(yī)生觀察視網(wǎng)膜滲出、出血、血管瘤塊等情況,對病情進(jìn)行診斷分級。但是對于眼底圖像的診斷需要診斷者有豐富的先驗(yàn)知識對病情進(jìn)行準(zhǔn)確的判斷。中國人多地廣,幅員遼闊,眼科醫(yī)生水平層次不齊,偏遠(yuǎn)地區(qū)醫(yī)療資源不均,經(jīng)驗(yàn)不足的醫(yī)生可能會(huì)出現(xiàn)診斷失誤,使患者錯(cuò)過最佳治療時(shí)間,從而造成患者嚴(yán)重的損失。同時(shí)根據(jù)醫(yī)生建議,糖尿病患者需要定期檢查視網(wǎng)膜病變,由于我國糖尿病患者眾多,產(chǎn)生了大量的眼底圖像,需要經(jīng)驗(yàn)豐富的醫(yī)生進(jìn)行診斷,費(fèi)時(shí)費(fèi)力。針對以上問題,本文主要在工作內(nèi)容如下所述。(1)針對人工檢測的經(jīng)驗(yàn)不足和費(fèi)時(shí)費(fèi)力問題,本文利用深度學(xué)習(xí)技術(shù)自動(dòng)分類病變。近年來,人工智能科學(xué)不斷發(fā)展,其中深度卷積神經(jīng)網(wǎng)絡(luò)在圖像識別分類領(lǐng)域取得了舉世矚目的成果。本文采用卷積神經(jīng)網(wǎng)絡(luò)的知識,應(yīng)用于糖尿病視網(wǎng)膜圖像的分類診斷,讓計(jì)算機(jī)自動(dòng)提取高分辨率眼底圖像的特征,對樣本進(jìn)行訓(xùn)練,從而在一定程度上緩解人工診斷經(jīng)驗(yàn)不足、大量患者診斷費(fèi)時(shí)費(fèi)力的問題。(2)針對醫(yī)療資源分布不均問題,本文利用互聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)遠(yuǎn)程診斷。傳統(tǒng)的遠(yuǎn)程診斷需要患者上傳病歷信息與眼底圖像,醫(yī)生再進(jìn)行在線診斷,但是其仍然依賴于專業(yè)醫(yī)生的診斷意見,由于糖尿病患者數(shù)量眾多,對于醫(yī)生而言仍是一項(xiàng)耗費(fèi)精力的工作,而且偏遠(yuǎn)地區(qū)醫(yī)療資源匱乏也會(huì)造成誤診。為了解決這一問題,本文基于 B/S 架構(gòu),采用 Nginx+ SpringMVC + MyBatis + MySQL + Redis 搭建分布式后臺系統(tǒng),并結(jié)合Caffe深度學(xué)習(xí)平臺,將互聯(lián)網(wǎng)技術(shù)與糖尿病視網(wǎng)膜病變診斷相結(jié)合,構(gòu)建了一套完整的遠(yuǎn)程糖尿病視網(wǎng)膜病變智能診斷系統(tǒng)解決方案。
【圖文】：

緩存、基于鍵值對的ＮｏＳＱＬ邋（非關(guān)系型）數(shù)據(jù)庫，由于其采用內(nèi)存存儲(chǔ)數(shù)據(jù)，讀逡逑寫速度極快，非常適合作為緩存服務(wù)器。逡逑本系統(tǒng)綜合上述技術(shù)和服務(wù)器，搭建分布式架構(gòu)，服務(wù)器架構(gòu)圖如圖２－４所逡逑７Ｊｎ邋0逡逑邐邋邐邐一逡逑／邐／｜邐——＾逡逑ｒ＝ｒ邐□＝邐邐逡逑邐口邋Ｉ邋＂邋＇Ｉ邐——ｐ＿邐逡逑—邐—１—邋＾邐ｌ＾ｊ邋ｒ逡逑客戶端邐ＬｊｚＪ邐ｓ逡逑應(yīng)用Ｈ務(wù)器邐數(shù)據(jù)庫服務(wù)器逡逑客戶端邐邐邐ｙ邐＾逡逑Ｗ３ｂｌ：務(wù)器邐應(yīng)用Ｈ務(wù)器邐緩存Ｒ務(wù)器逡逑／邐／Ｉ邐＾１逡逑晙邐□＝逡逑Ｌ＿＿＿邐ｔ￣￣ｉｉ邋￣￣￣￣ｉ邐邐邐邐逡逑邐邋邐逡逑客戶端逡逑應(yīng)用服務(wù)器逡逑圖２－４服務(wù)器分布式架構(gòu)圖逡逑２．邋２卷積神經(jīng)網(wǎng)絡(luò)逡逑２．２．１卷積神經(jīng)網(wǎng)絡(luò)原理逡逑相較于傳統(tǒng)的機(jī)器學(xué)習(xí)方法，，卷積神經(jīng)網(wǎng)絡(luò)規(guī)避了人工特征提取過程，實(shí)現(xiàn)了逡逑端到端分類功能。卷積神經(jīng)網(wǎng)絡(luò)起源于人工神經(jīng)網(wǎng)絡(luò)，人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖２－５逡逑１０逡逑

邋—邋—邋—邋—邐—邋ｊ逡逑圖３－１０病變檢測模塊類圖逡逑類似地，各個(gè)功能模塊都需要?jiǎng)?chuàng)建各自的Ｃｏｎｔｒｏｌｌｅｒ、Ｓｅｒｖｉｃｅ、ＤＡＯ和ＰＯＪＯ對逡逑象
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R587.2;R774.1;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 雷端;;遠(yuǎn)程診斷專家系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];工具技術(shù);2014年03期

本文編號：2598873