近年來,糖尿病已成為嚴重影響人們身體健康的病變之一。據(jù)統(tǒng)計,到2016年底,我國患有糖尿病的患者已達到1.1億人,占國內(nèi)成年人口的10%。糖尿病是一種發(fā)病率較高的慢性病,且常伴隨一些較嚴重的并發(fā)癥,如糖尿病心血管并發(fā)癥和糖尿病視網(wǎng)膜病變等。但早期的糖尿病不易發(fā)覺,而視網(wǎng)膜圖像的滲出、出血和微動脈等病變,能夠較早發(fā)現(xiàn)并確診糖尿病,故現(xiàn)被世界衛(wèi)生組織(WHO)廣泛用于糖尿病篩查。結(jié)合我國醫(yī)療資源緊張等現(xiàn)狀,設(shè)計一款糖尿病視網(wǎng)膜病變輔助診斷系統(tǒng)具有十分重大的意義。鑒于近年來深度學(xué)習(xí)在圖像識別領(lǐng)域取得了突破性進展,本文利用深度學(xué)習(xí)方法對糖尿病視網(wǎng)膜眼底圖像病變展開研究。滲出是糖尿病視網(wǎng)膜病變中主要的一種,對滲出進行檢測和分析,具有重要的糖尿病視網(wǎng)膜篩查和臨床診斷意義。本文利用深度學(xué)習(xí)方法,提出了一種基于Unet的多輸出卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來對滲出位置進行檢測。針對實驗樣本正負不均衡導(dǎo)致的網(wǎng)絡(luò)難以訓(xùn)練的問題,本文提出了一種基于L1范數(shù)的困難樣本挖掘方法來加速網(wǎng)絡(luò)收斂。該分割網(wǎng)絡(luò)在三個公開數(shù)據(jù)庫DIARETDB1、HEI-MED、Messidor上測試得到的ROC曲線下的面積AUC分別為0.96、0.94、0.91。相對于其他工作,本文的方法在DIARETDB1數(shù)據(jù)庫上取得最好的效果。在糖尿病視網(wǎng)膜篩查中,常常只需要對整張圖像的病變有無進行分類或嚴重程度進行分析,因此本文提出了一種基于大規(guī)數(shù)據(jù)模驅(qū)動的深度學(xué)習(xí)方法,即設(shè)計了一個25層的卷積神經(jīng)網(wǎng)絡(luò)來提取病變特征和一個5層的多層感知機作為病變分類器。由于特征提取網(wǎng)絡(luò)層數(shù)過多和訓(xùn)練數(shù)據(jù)有限,我們使用了迭代訓(xùn)練的思路,即分三個步驟依次從淺到深訓(xùn)練網(wǎng)絡(luò)參數(shù)。在特征生成階段,我們利用圖像增強的方法將一張圖片變?yōu)槎鄰垐D片,然后將這些圖片送入到特征提取網(wǎng)絡(luò)中提取特征,最后將這多張圖片特征的均值和方差作為分類器的輸入。另外我們也采用模型融合的方法,即設(shè)計兩個分類網(wǎng)絡(luò),將其結(jié)果求平均作為系統(tǒng)最終輸出的分類結(jié)果。分類系統(tǒng)在Kaggle數(shù)據(jù)庫的一個包含6000張圖片的子集中得到55.13%的準確率。同時也在公開數(shù)據(jù)集e_optha上做二分類(有病與正常)測試,得到的靈敏度為94.36%,特異度為88%。
【學(xué)位單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;TP18;R587.2;R774.1
【部分圖文】：

它能將外界光線信息轉(zhuǎn)化為大腦可以處理的信息，而相機的感光底片就是視網(wǎng)膜。相比照相機，人眼對物體的大小、對比度、亮度等屬性有著極強的適應(yīng)性。眼球位于眼眶內(nèi)，主要由眼球壁和內(nèi)容物兩部分組成。其結(jié)構(gòu)如圖1–1所示。眼球壁從內(nèi)到外分為視網(wǎng)膜、血管膜、纖維膜。內(nèi)容物包含晶狀體、眼房水和玻璃體等無色透明的折光結(jié)構(gòu)。圖 1–1 眼球的基本結(jié)構(gòu), 摘自 [1].Fig 1–1 Anatomy of human eye.纖維膜包括角膜、鞏膜、前房角。其中角膜的神經(jīng)末梢比較敏感，一旦有異物入侵，便會引起眼瞼自動閉合以保護眼睛。為了保持透明特性，角膜并沒有血管，通過淚液和房水汲取養(yǎng)分。鞏膜占據(jù)區(qū)域較大，其前方接觸角膜，交界處的鞏膜靜脈竇控制房水的排出，以維持眼球內(nèi)正常的壓力。鞏膜位于眼眶最后方且呈白色，故常稱為“白眼球”�！� 1 —

底攝影中使用專門的眼底照相機，該照相機包括閃光照相機和復(fù)雜顯微鏡兩部分組成。在眼底照片上可以看到的主要結(jié)構(gòu)是視網(wǎng)膜中央和周邊、血管、視神經(jīng)盤和黃斑，如圖1–2所示。由于視盤靠近鼻側(cè)，故圖的左邊展現(xiàn)的為右眼圖片，右圖展示左眼圖片。同時眼底圖像為人體唯一可肉眼觀察到血管的地方，故醫(yī)生可以在對血管無任何損傷的條件下，通過觀察血管的粗細和變化來對人的身體健康和循環(huán)系統(tǒng)進行分析。另外在年輕人的眼底圖像中會存在靠近血管的區(qū)域比其他區(qū)域偏亮的正常情況，如圖1–2所示。眼底相機按是否散瞳分為兩種。免散瞳相機利用高感光的基本原理，通過提高相機的感光能力在不需要放大瞳孔的情況下利用較低光線就能達到比較好的拍攝效果。相機相對于傳統(tǒng)檢驗鏡，有諸多優(yōu)點，譬如不需要專業(yè)醫(yī)生，經(jīng)過培訓(xùn)的醫(yī)療人員即可勝任拍攝工作。拍攝出的眼底圖片作為寶貴的醫(yī)學(xué)資料，有助于幫助病人自己和醫(yī)生了解病情演變情況

有極大的便利之處。從計算機視覺的角度，糖尿病視網(wǎng)膜病變主要有 4 種，即微動脈瘤、滲出、出血、棉絮斑，其對應(yīng)的結(jié)構(gòu)表現(xiàn)如圖1–3。首先，在眼底圖像上出現(xiàn)被稱為微動脈瘤的紅色圖 1–3 糖尿病視網(wǎng)膜常見眼底病變類型.Fig 1–3 Regular indicators of diabetic retinopathy.小點狀，是眼底血液的早期標志物。微動脈瘤往往很小，甚至只有幾十個像素點，在檢測過程中容易被背景噪聲或者血管末端所干擾，故很難被計算機發(fā)現(xiàn)。另外滲出是指黃色的小斑點，大小不一，邊界較為清楚。出血指眼底圖像上因為血液溢出而在視網(wǎng)膜上形成的紅色的小斑點。最后一個是棉絮斑，其顏色偏白，邊界不清，因神經(jīng)纖維的損傷而產(chǎn)生的病變。檢測這些病變存在很多挑戰(zhàn)。對于一個專業(yè)醫(yī)生而言，區(qū)分出血、微動脈瘤和一些血管末端都比較困難，因為較小的出血病變和微動脈瘤在顏色、幾何、紋理等方面和血管網(wǎng)絡(luò)的細微末端極其相似。滲出和視盤的顏色也較為相似。正因為如此
【相似文獻】

相關(guān)期刊論文 前10條

1 高宏杰;邱天爽;丑遠婷;周明;張曉博;;基于改進U型網(wǎng)絡(luò)的眼底圖像血管分割[J];中國生物醫(yī)學(xué)工程學(xué)報;2019年01期

2 吉浩;劉靈;李璐;趙丹丹;;眼底圖像處理與分析中的關(guān)鍵技術(shù)研究[J];中國繼續(xù)醫(yī)學(xué)教育;2018年27期

3 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗系統(tǒng)對眼底的臨床觀察與研究[J];臨床醫(yī)學(xué)工程;2013年01期

4 劉愛珍,馬斌榮,徐亮,楊樺,孫秀英;眼底圖像融合[J];中國醫(yī)學(xué)影像技術(shù);2003年11期

5 陸輝輝;夏海英;;基于機器學(xué)習(xí)對眼底圖像視網(wǎng)膜血管分割方法[J];廣西物理;2018年Z1期

6 高瑋瑋;程武山;沈建新;左晶;張愛華;;免散瞳眼底圖像在糖尿病視網(wǎng)膜病變自動篩查中的應(yīng)用[J];激光生物學(xué)報;2015年04期

7 楊艷;邵楓;;基于雙字典學(xué)習(xí)的眼底圖像血管分割[J];光電子·激光;2019年02期

8 盛韓偉;戴培山;劉智航;張文妙韻;趙亞麗;范敏;;基于拓撲結(jié)構(gòu)的眼底圖像分割評價新方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2015年05期

9 咼明;陳長征;劉劍萍;聶尚武;;一款適用于糖尿病視網(wǎng)膜病變遠程篩查的軟件[J];眼科;2010年01期

10 姜平;竇全勝;王晶;;基于局部自適應(yīng)點特異度閾值的眼底圖像血管分割方法研究[J];南京大學(xué)學(xué)報(自然科學(xué));2015年01期

相關(guān)博士學(xué)位論文 前10條

1 周磊;深度學(xué)習(xí)在糖網(wǎng)病篩查中的研究與應(yīng)用[D];上海交通大學(xué);2018年

2 熊荔;基于彩色眼底圖的圖像分析與疾病自動診斷算法研究[D];北京理工大學(xué);2017年

3 連劍;多光譜眼底圖像處理算法研究[D];山東師范大學(xué);2019年

4 張欣鵬;彩色眼底圖像微動脈瘤檢測方法研究[D];天津工業(yè)大學(xué);2017年

5 姜平;眼底圖像分割方法研究[D];吉林大學(xué);2018年

6 韓松濤;眼底圖像的血管特征分析[D];吉林大學(xué);2010年

7 金凱;重要眼病基于計算機輔助圖像分析診斷技術(shù)研究[D];浙江大學(xué);2018年

8 高瑋瑋;眼底圖像分割算法及應(yīng)用研究[D];南京航空航天大學(xué);2013年

9 姚暢;眼底圖像分割方法的研究及其應(yīng)用[D];北京交通大學(xué);2009年

10 王玉亮;眼底圖像處理與分析中的關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 吳廣賢;基于圖像處理的糖尿病視網(wǎng)膜病變輔助診斷研究[D];華北水利水電大學(xué);2019年

2 李英;眼底圖像中微小目標檢測算法的研究與實現(xiàn)[D];電子科技大學(xué);2019年

3 劉江明;眼底圖像的糖網(wǎng)病變分類研究與實現(xiàn)[D];電子科技大學(xué);2019年

4 徐宏;基于眼底圖像的糖尿病視網(wǎng)膜病變智能診斷[D];電子科技大學(xué);2019年

5 向陳君;眼底圖像的血管分割與基于視盤定位的滲出物檢測[D];華中師范大學(xué);2019年

6 王亞敏;全卷積神經(jīng)網(wǎng)絡(luò)在眼底圖像結(jié)構(gòu)中的應(yīng)用研究[D];電子科技大學(xué);2019年

7 王煜杰;眼底圖像病變區(qū)域的提取與識別[D];電子科技大學(xué);2019年

8 石小周;基于生成式對抗網(wǎng)絡(luò)眼底圖像生成與深度學(xué)習(xí)血管分割[D];北京交通大學(xué);2019年

9 商逸凡;基于數(shù)據(jù)增強的糖尿病性視網(wǎng)膜病變檢測[D];北京交通大學(xué);2019年

10 周葉萍;基于編碼器—解碼器結(jié)構(gòu)的眼底圖像中視網(wǎng)膜血管分割的方法研究[D];華南理工大學(xué);2019年

本文編號：2859389