【摘要】：糖尿病視網(wǎng)膜病變(Diabetic Retinopathy,DR)簡(jiǎn)稱糖網(wǎng)病,是糖尿病的一種并發(fā)癥,嚴(yán)重者在視網(wǎng)膜上產(chǎn)生新生血管以及視網(wǎng)膜前出血,從而致盲�；谔蔷W(wǎng)病眼底圖像,目前利用深度學(xué)習(xí)技術(shù)構(gòu)建的輔助診斷系統(tǒng)取得了初步成效,其診斷結(jié)果獲得了專業(yè)醫(yī)生的認(rèn)可。但這類系統(tǒng)需要大量的標(biāo)注數(shù)據(jù)作為訓(xùn)練樣本,而這些訓(xùn)練數(shù)據(jù)往往需要眼科專家來標(biāo)注。醫(yī)生標(biāo)注主要是根據(jù)主觀經(jīng)驗(yàn)總結(jié),國(guó)際上對(duì)糖網(wǎng)病眼底圖像的分級(jí)標(biāo)準(zhǔn)有多種,不同的醫(yī)生采用不同的分級(jí)標(biāo)準(zhǔn)進(jìn)行標(biāo)注,因此不同的醫(yī)生標(biāo)注也有所差異。對(duì)糖網(wǎng)病眼底圖像進(jìn)行聚類分析,采用數(shù)據(jù)驅(qū)動(dòng)策略發(fā)現(xiàn)其內(nèi)在規(guī)律,實(shí)現(xiàn)糖網(wǎng)病眼底圖像的分組,從而減輕醫(yī)生標(biāo)注工作量,同時(shí)也可以提供客觀的標(biāo)注。近年來,由于深度學(xué)習(xí)在特征表示上取得巨大成功,基于深度學(xué)習(xí)的聚類分析方法成為研究和應(yīng)用的熱點(diǎn)。本文則是從傳統(tǒng)的聚類方法和基于深度學(xué)習(xí)的聚類方法兩個(gè)方面進(jìn)行分析。論文的主要內(nèi)容包括:(1)在傳統(tǒng)聚類分析中包括基于原圖的傳統(tǒng)聚類研究和基于圖像特征的傳統(tǒng)聚類研究。基于圖像特征的傳統(tǒng)聚類研究中主要考慮特征提取和聚類方法兩個(gè)環(huán)節(jié)。在特征提取環(huán)節(jié),開發(fā)了一個(gè)特征提取工具包,用于提取常見的圖像特征。在聚類方法上,主要對(duì)比研究經(jīng)典的K均值方法和譜聚類方法;其中K均值考慮了四種距離測(cè)度的K均值算法;譜聚類方法的鄰接矩陣計(jì)算是關(guān)鍵,本文考慮了兩種不同的鄰接矩陣構(gòu)建方式。(2)在基于深度學(xué)習(xí)的聚類分析中,本文應(yīng)用了基于深度遷移特征的聚類方法和深度學(xué)習(xí)與聚類聯(lián)合優(yōu)化學(xué)習(xí)的方法。基于深度遷移特征的聚類方法是把遷移學(xué)習(xí)提取的特征用于聚類分析。本文采用VGGNet-19第17層提取的深度特征進(jìn)行聚類分析。深度學(xué)習(xí)和聚類聯(lián)合優(yōu)化的框架中深度學(xué)習(xí)采用的是卷積神經(jīng)網(wǎng)絡(luò),聚類方法采用了層次凝聚聚類,二者采用統(tǒng)一的三重加權(quán)損失函數(shù)進(jìn)行聯(lián)合優(yōu)化。在糖網(wǎng)病眼底圖像的聚類分析的實(shí)驗(yàn)中,實(shí)驗(yàn)數(shù)據(jù)采用公共數(shù)據(jù)集Messidor(四類,0-3級(jí))和中山大學(xué)第一附屬醫(yī)院采集的數(shù)據(jù)集ZSUDR(兩類,正異常)。文中利用準(zhǔn)確率和純度兩個(gè)聚類評(píng)價(jià)指標(biāo)來對(duì)上述聚類方法進(jìn)行評(píng)估。由糖網(wǎng)病眼底圖像聚類分析實(shí)驗(yàn)結(jié)果可知,基于深度遷移特征的聚類方法的聚類效果比傳統(tǒng)的聚類方法有所提高。在ZSUDR數(shù)據(jù)集上,傳統(tǒng)的聚類方法準(zhǔn)確率為54.87%,純度為0.6582。基于深度遷移特征的聚類方法準(zhǔn)確率達(dá)到70.54%,純度達(dá)到0.8209。實(shí)驗(yàn)結(jié)果表明了基于深度遷移特征的聚類方法在糖網(wǎng)病眼底圖像聚類分析中的有效性。
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;R587.2;R774.1
【圖文】：

圖 1.3 糖網(wǎng)病眼底圖像分級(jí)實(shí)例外研究現(xiàn)狀網(wǎng)病眼底圖像聚類分析的研究現(xiàn)狀病眼底圖像的聚類研究主要集中在糖網(wǎng)病眼底圖像的病灶檢測(cè)k 等人[12]運(yùn)用模糊 C 均值聚類方法自動(dòng)檢測(cè)糖網(wǎng)病眼底圖像的滲出物%，特異度達(dá) 99.24%。D.Santhi[13]等人提出了基于流形的 K 均值和模眼底圖像的滲出物進(jìn)行分割，該分割算法的準(zhǔn)確率、特異度、敏感度分%。Padmalal 等人[14]提出空間模糊聚類算法對(duì)糖網(wǎng)病眼底圖像的血管率高達(dá) 90%。Zhang 等應(yīng)用局部對(duì)比增強(qiáng)結(jié)合區(qū)域生長(zhǎng)方法檢測(cè)硬性法先使用局部對(duì)比增強(qiáng)技術(shù)增強(qiáng)病灶信號(hào)，減小光照不均和其他噪聲

糖網(wǎng)病眼底圖像的輔助診斷需要大量的標(biāo)注數(shù)據(jù)作為訓(xùn)練樣本，數(shù)據(jù)時(shí)費(fèi)力的工作。而且國(guó)際上對(duì)糖網(wǎng)病眼底圖像的分級(jí)標(biāo)準(zhǔn)有多種，不的分級(jí)標(biāo)準(zhǔn)進(jìn)行標(biāo)注，醫(yī)生對(duì)糖網(wǎng)病眼底圖像的標(biāo)注主要是根據(jù)主觀生的標(biāo)注存在差異。本文的研究目標(biāo)是對(duì)糖網(wǎng)病眼底圖像做聚類分析，從數(shù)據(jù)驅(qū)動(dòng)，通過發(fā)現(xiàn)其內(nèi)在規(guī)律，使用聚類方法對(duì)大量未標(biāo)注的糖網(wǎng)病眼底圖像實(shí)現(xiàn)減輕醫(yī)生對(duì)醫(yī)院中未標(biāo)注的糖網(wǎng)病眼底圖像的標(biāo)注工作量的同時(shí)，圖像的客觀標(biāo)注，為糖網(wǎng)病眼底圖像的輔助診斷的研究提供便利。糖網(wǎng)病眼底圖像標(biāo)注的主要難點(diǎn)在于：（1）糖網(wǎng)病病情的發(fā)展是一個(gè)循序漸進(jìn)變化的過程，糖網(wǎng)病眼底圖像 1.4（a）、（b）所示，糖網(wǎng)病一級(jí)和二級(jí)之間差異很小。（2）眼底圖像質(zhì)量比較差。在采集眼底圖像的過程中，由于眼底照醫(yī)生的采集操作差異以及采集環(huán)境的差異，都會(huì)導(dǎo)致眼底圖像的質(zhì)量

糖網(wǎng)病眼底圖像的聚類研究的聚類性能并沒有提高。2.3.2.2 定性評(píng)價(jià)運(yùn)用 LargeVis 算法對(duì) Messidor 數(shù)據(jù)集和 ZSUDR 數(shù)據(jù)集原圖進(jìn)行可視化，可視化果如圖 2.2 和 2.3 所示。由 Messidor 和 ZSUDR 可視化結(jié)果可以看出兩個(gè)數(shù)據(jù)集的原分布比較雜亂，不同類別之間不能區(qū)分開來，從而也驗(yàn)證了定量評(píng)價(jià)結(jié)果不好。

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 朱連江;馬炳先;趙學(xué)泉;;基于輪廓系數(shù)的聚類有效性分析[J];計(jì)算機(jī)應(yīng)用;2010年S2期

2 唐堅(jiān)剛;劉叢;;基于小波分解和游程長(zhǎng)度矩陣的醫(yī)學(xué)圖像檢索[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年08期

本文編號(hào)：2765325