真菌性角膜炎是一種角膜病變,由致病真菌感染角膜導(dǎo)致。真菌性角膜炎初期癥狀不明顯、易混淆,若缺乏早期診斷與治療,極易造成嚴(yán)重的并發(fā)癥,甚至致盲�，F(xiàn)有的臨床診斷方法大多效果良好,但均有一定不足之處。其中,共焦顯微鏡是一種新型、無(wú)創(chuàng)的活體檢查儀器,它能獲取活體結(jié)構(gòu)的高分辨率醫(yī)學(xué)斷層掃描圖像,患者接受度高且陽(yáng)性率好,但確診依賴于醫(yī)生的主觀判斷。在此背景下,本文對(duì)基于共焦顯微鏡圖像的真菌性角膜炎診斷算法進(jìn)行研究,通過(guò)圖像識(shí)別技術(shù)實(shí)現(xiàn)共焦顯微鏡圖像的高精度自動(dòng)識(shí)別,為醫(yī)生提供精準(zhǔn)可靠的診斷信息。本文的研究難點(diǎn)在于對(duì)正常圖像與異常圖像中的關(guān)鍵結(jié)構(gòu)進(jìn)行區(qū)分。正常角膜圖像可見(jiàn)角膜神經(jīng)纖維、基質(zhì)層等結(jié)構(gòu);感染真菌性角膜炎的異常角膜圖像中,背景雜亂,可見(jiàn)各式真菌菌絲、孢子等結(jié)構(gòu)。本文重點(diǎn)針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)兩類(lèi)算法的進(jìn)行研究與實(shí)驗(yàn),并在此基礎(chǔ)上,針對(duì)角膜共焦顯微鏡圖像特點(diǎn),提出了“數(shù)據(jù)增廣+圖像融合”思路,對(duì)傳統(tǒng)算法進(jìn)行了一定改進(jìn),得到了具針對(duì)性、綜合性能更好的算法框架,本文的主要工作和成果有:(1)在基于傳統(tǒng)機(jī)器學(xué)習(xí)的真菌性角膜炎診斷算法研究中,本文確定了“特征提取+分類(lèi)識(shí)別”的算法框架。針對(duì)特征提取算法,選用GLCM、PCA、2DPCA、MBP算法進(jìn)行介紹與實(shí)驗(yàn);并且,本文基于MBP、AMBP,改進(jìn)并提出了更具魯棒性、更適合本課題圖像的ARBP算法。針對(duì)分類(lèi)識(shí)別算法,選用KNN、LR、SVM算法進(jìn)行介紹與實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,傳統(tǒng)機(jī)器學(xué)習(xí)方法在本課題中表現(xiàn)良好,ARBP為最佳特征提取方法,SVM為最佳分類(lèi)識(shí)別方法,ARBP+SVM以98.24%取得了最高診斷準(zhǔn)確率。但由于正負(fù)樣本不均衡,具有特異性受限的缺點(diǎn)。(2)在基于CNN的真菌性角膜炎診斷算法研究中,本文對(duì)近年屢獲突破的深度學(xué)習(xí)與CNN進(jìn)行理論概述,且針對(duì)本課題圖像特點(diǎn),選用了三個(gè)經(jīng)典的CNN網(wǎng)絡(luò)進(jìn)行介紹與實(shí)驗(yàn),包括AlexNet、VGGNet和GoogLeNet。實(shí)驗(yàn)結(jié)果顯示,三種CNN網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)診斷效果的突破,并且克服傳統(tǒng)機(jī)器學(xué)習(xí)算法特異性受限的缺點(diǎn)。三種網(wǎng)絡(luò)中,22層的GoogleNet性能最好,達(dá)到99.73%的診斷準(zhǔn)確率;8層AlexNet診斷準(zhǔn)確率為99.35%,性能稍弱,但模型簡(jiǎn)單、訓(xùn)練速度快;16層VGG16由于網(wǎng)絡(luò)參數(shù)量大、數(shù)據(jù)量小,診斷準(zhǔn)確率為99.14%,性能最弱。(3)為追求醫(yī)學(xué)領(lǐng)域精益求精的要求,本文提出“數(shù)據(jù)增廣+圖像融合”思路以探尋更契合本課題圖像、性能更加優(yōu)越的算法框架。首先,通過(guò)翻轉(zhuǎn)方式對(duì)正常圖像進(jìn)行增廣,以解決數(shù)據(jù)量有限、正負(fù)樣本分布不均問(wèn)題;其次,提出SCS算法進(jìn)行圖像預(yù)處理,以突出圖像關(guān)鍵結(jié)構(gòu),濾除無(wú)關(guān)信息;再次,分別采用MF、HMF算法將SCS增強(qiáng)圖像與原始圖像進(jìn)行融合,形成新型算法框架與數(shù)據(jù)集;最后,分別將傳統(tǒng)機(jī)器學(xué)習(xí)算法框架和深度學(xué)習(xí)網(wǎng)絡(luò)融入新型算法框架,進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示,兩種新型算法框架使傳統(tǒng)機(jī)器學(xué)習(xí)算法、AlexNet和VGG16的算法性能均有不同程度的提高,且基于HMF的新型框架更勝一籌。最終,“數(shù)據(jù)增廣+HMF+AlexNet”以99.95%的診斷準(zhǔn)確率,實(shí)現(xiàn)了診斷效果與計(jì)算復(fù)雜度的完美權(quán)衡,成為基于共焦顯微鏡圖像的真菌性角膜炎診斷算法中綜合性能最高的算法框架。
【學(xué)位單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：R772.21;TP391.41
【部分圖文】：

?一定程度上克服現(xiàn)有診斷方法的缺點(diǎn)。??共焦顯微鏡能夠?qū)悄みM(jìn)行細(xì)胞級(jí)成像，如圖１－１所示，正常角膜共焦顯微鏡??圖像背景較清晰，可見(jiàn)角膜神經(jīng)纖維等結(jié)構(gòu)；感染真菌性角膜炎的角膜共焦顯微??鏡圖像背景雜亂，多見(jiàn)菌絲，也可能存在真菌孢子、病變體等結(jié)構(gòu)，神經(jīng)纖維被??掩蓋。菌絲結(jié)構(gòu)是感染真菌性角膜炎的典型癥狀，菌絲的數(shù)量和形態(tài)是臨床診斷??中最重要的依據(jù)，因此識(shí)別不同圖像中的關(guān)鍵結(jié)構(gòu)為本課題研宄的難點(diǎn)。為解決??這個(gè)問(wèn)題，本文重點(diǎn)探宄基于傳統(tǒng)機(jī)器學(xué)習(xí)和基于深度學(xué)習(xí)的真菌性角膜炎診斷??算法，且針對(duì)角膜共焦顯微鏡圖像特點(diǎn)，本文提出“數(shù)據(jù)增廣＋圖像融合”思路，??對(duì)現(xiàn)有算法進(jìn)行了一定改進(jìn)，得到新型算法框架，以提高算法的準(zhǔn)確性與魯棒性。??圓??（ａ）?（ｂ）??圖１－１?（ａ）正常角膜共焦顯微鏡圖像示例；（ｂ）感染真菌性角膜炎的異常角膜共焦顯微鏡圖像??示例??本文的組織結(jié)構(gòu)安排如下：??第一章：調(diào)研并分析了該課題研究背景、意義與醫(yī)學(xué)圖像分析技術(shù)的研宄現(xiàn)??狀

同角度、有目的地去除圖像冗余信息，提取內(nèi)部關(guān)鍵特征，獲得維度較低的特征??向量或特征矩陣；分類(lèi)識(shí)別采用不同分類(lèi)策略實(shí)現(xiàn)分類(lèi)，并通過(guò)特征訓(xùn)練不斷優(yōu)??化分類(lèi)模型�；趥鹘y(tǒng)機(jī)器學(xué)習(xí)的真菌性角膜炎診斷算法流程如圖２－１所示，其中，??藍(lán)色框圖代表訓(xùn)練過(guò)程，橙色框圖代表測(cè)試過(guò)程。??｜?人眼角膜共????訓(xùn)練數(shù)據(jù)?焦顯微鏡?測(cè)試數(shù)據(jù)??圖像??Ｉ?特征提取??１?…?ＪＩ??特征提取?＾?ｍｍｉｌ?—?分類(lèi)識(shí)別模型??????”??????ＸＺ???分類(lèi)識(shí)別結(jié)果??圖２－１基于傳統(tǒng)機(jī)器學(xué)習(xí)的真菌性角膜炎診斷算法框圖??本章采用傳統(tǒng)機(jī)器學(xué)習(xí)算法對(duì)角膜共焦顯微鏡圖像識(shí)別問(wèn)題進(jìn)行特征提取和??分類(lèi)識(shí)別，并進(jìn)行一定算法創(chuàng)新。其中，本章采用的傳統(tǒng)特征提取算法包括??ＧＬＣＭ［３９４（）］、ＰＣＡ［４１］、２ＤＰＣＡ［４２］、ＭＢＰ［４３］，針對(duì)圖像特點(diǎn)，本文對(duì)課題組提出的??６??

ＬＲＭ屬于廣義線性回歸模型。線性回歸是統(tǒng)計(jì)分析方法，其對(duì)一個(gè)或多個(gè)自??變量和因變量之間進(jìn)行數(shù)學(xué)建模，通過(guò)數(shù)據(jù)訓(xùn)練優(yōu)化回歸參數(shù)。ＬＲ將Ｓｉｇｍｏｉｄ函??數(shù)（如圖２－３）設(shè)為回歸模型，將因變量取值嚴(yán)格控制在（０，１）范圍內(nèi)，克服了其??他回歸模型輸出值范圍大的缺點(diǎn)，并通過(guò)訓(xùn)練不斷探尋自變量與因變量間的關(guān)系，??不斷優(yōu)化模型參數(shù)。ＬＲ中，因變量表征了樣本歸為某一類(lèi)的概率，能夠?qū)w類(lèi)概??率進(jìn)行預(yù)測(cè)。??設(shè)有訓(xùn)練集公＝仁４?ｅｉＴ｝，邏輯回歸模型的函數(shù)表達(dá)式如式（２－１３）所示：??ｈｅ（ｘ）?＝?ｇ（ｅＴｘ）?＝?－＾?（２－１３）??１?＋?ｅ??１３??
【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 王連喜;劉宏巨;;真菌性角膜炎的實(shí)驗(yàn)室常規(guī)檢測(cè)方法[J];檢驗(yàn)醫(yī)學(xué)與臨床;2012年05期

2 周賢善;;醫(yī)學(xué)圖像處理技術(shù)綜述[J];福建電腦;2009年01期

3 段銳;管一弘;;醫(yī)學(xué)圖像自動(dòng)多閾值分割[J];計(jì)算機(jī)應(yīng)用;2008年S2期

4 李淼;張林;;真菌性角膜炎的研究進(jìn)展[J];國(guó)際眼科雜志;2008年02期

5 劉俊敏;黃忠全;王世耕;張潁;;醫(yī)學(xué)圖像處理技術(shù)的現(xiàn)狀及發(fā)展方向[J];醫(yī)療衛(wèi)生裝備;2005年12期

6 程蕾;張明昌;;真菌性角膜炎診斷常規(guī)及新進(jìn)展[J];臨床眼科雜志;2005年05期

7 王曙燕,耿國(guó)華,李丙春;決策樹(shù)算法在醫(yī)學(xué)圖像數(shù)據(jù)挖掘中的應(yīng)用[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

8 謝立信,李紹偉,史偉云,韓冬生;共焦顯微鏡在真菌性角膜炎臨床診斷中的應(yīng)用[J];中華眼科雜志;1999年01期

本文編號(hào)：2883831