青光眼是當(dāng)前世界上兩大致盲眼病之一,患病人數(shù)逐年增加,但我國醫(yī)療資源分布不均衡,資深眼科醫(yī)生數(shù)量少且大多集中在中心城市,偏遠(yuǎn)地區(qū)資深青光眼專業(yè)醫(yī)生幾乎沒有,因此,借助人工智能技術(shù),研究計(jì)算機(jī)輔助的青光眼自動(dòng)診斷技術(shù)非常必要。杯盤比(視杯與視盤的縱向尺寸比)是判別青光眼的重要參考指標(biāo)之一,通過對(duì)眼底圖的視盤與視杯進(jìn)行分割并計(jì)算兩者垂直高度比值得到。目前基于計(jì)算機(jī)輔助的青光眼杯盤檢測技術(shù)研究主要分為兩大類:一是運(yùn)用數(shù)字圖像處理技術(shù)檢測眼底圖中視盤與視杯的邊緣、紋理等特征以實(shí)現(xiàn)視盤與視杯的定位與分割;二是運(yùn)用機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)視盤與視杯的自動(dòng)定位與分割。上述方法主要存在以下不足:(1)依賴研究者的先驗(yàn)知識(shí),需要研究者具備一定的青光眼病癥知識(shí)和圖像處理知識(shí),才能針對(duì)性提取出相關(guān)特征;(2)樣本數(shù)據(jù)少,模型容易過擬合,泛化能力不強(qiáng),訓(xùn)練速度過慢。針對(duì)上述不足,本文提出一種基于生成對(duì)抗機(jī)制的青光眼杯盤檢測方法,主要工作包括:(1)利用視盤定位、圖像縮放、裁剪、旋轉(zhuǎn)變換等技術(shù)實(shí)現(xiàn)眼底圖的數(shù)據(jù)增強(qiáng),為后期深度學(xué)習(xí)奠定良好的數(shù)據(jù)基礎(chǔ);(2)提出一種改進(jìn)的U-Net網(wǎng)絡(luò)結(jié)構(gòu)Light U-Net,實(shí)現(xiàn)杯盤的自動(dòng)檢測與分割;(3)將生成對(duì)抗機(jī)制與Light U-Net網(wǎng)絡(luò)結(jié)合,實(shí)現(xiàn)了一種基于生成對(duì)抗網(wǎng)絡(luò)的杯盤自動(dòng)分割方法Light U-GANs。在公開眼科數(shù)據(jù)集ORIGA上的實(shí)驗(yàn)結(jié)果表明,本文提出的方法對(duì)視盤分割的平均IOU為90.25%,對(duì)視杯分割的平均IOU為70.88%,模型的訓(xùn)練時(shí)間達(dá)到0.0577秒/張,測試時(shí)間達(dá)到0.0266秒/張,訓(xùn)練速度約為17張/秒,測試速度約為38張/秒。
【學(xué)位單位】：廣東技術(shù)師范學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R775;TP181
【部分圖文】：

圖 1-1 本文研究流程預(yù)處理，增強(qiáng)圖像特征，增加圖像數(shù)量，從et 網(wǎng)絡(luò)結(jié)構(gòu)建立 Light U-Net 網(wǎng)絡(luò)，訓(xùn)練生成與視杯分割模型（以下簡稱“視杯模型”）s 網(wǎng)絡(luò)，訓(xùn)練生成視盤模型與視杯模型。-Net 與 Light U-GANs 所生成的視盤模型與視專家的結(jié)果作對(duì)比。做了簡單的介紹。第 1 小節(jié)從研究背景與國性描述；第 2 小節(jié)從研究目標(biāo)上明確本文的義上論證本文研究選題的可行性和實(shí)用性；本論文的研究流程。

圖 2-1 文獻(xiàn)[21]提出的流程圖視網(wǎng)膜主血管方向?qū)崿F(xiàn)視盤定位及提取，先利用視盤候選區(qū)，然后利用彩色眼底圖的 HSV 色彩空其方向。通過方向圖找出加權(quán)匹配濾波響應(yīng)最大置與候選區(qū)域結(jié)合選出真正的視盤[24]。

圖 2-1 文獻(xiàn)[21]提出的流程圖基于視網(wǎng)膜主血管方向?qū)崿F(xiàn)視盤定位及提取，先利用大津得到視盤候選區(qū)，然后利用彩色眼底圖的 HSV 色彩空間確定其方向。通過方向圖找出加權(quán)匹配濾波響應(yīng)最大的點(diǎn)將位置與候選區(qū)域結(jié)合選出真正的視盤[24]。
【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 柯鑫;江威;朱江兵;;基于視覺注意機(jī)制的眼底圖像視盤快速定位與分割[J];科學(xué)技術(shù)與工程;2015年35期

2 鄒北驥;張思劍;朱承璋;;彩色眼底圖像視盤自動(dòng)定位與分割[J];光學(xué)精密工程;2015年04期

3 劉杜鵑;余輪;鄭紹華;;視網(wǎng)膜眼底圖像中視盤的檢測方法[J];中國醫(yī)療設(shè)備;2014年11期

4 鄭姍;范慧杰;唐延?xùn)|;王琰;;多相主動(dòng)輪廓模型的眼底圖像杯盤分割[J];中國圖象圖形學(xué)報(bào);2014年11期

5 鄭紹華;陳健;潘林;余輪;;基于定向局部對(duì)比度的眼底圖像視盤檢測方法[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2014年03期

6 張東波;易瑤;趙圓圓;;基于投影的視網(wǎng)膜眼底圖像視盤檢測方法[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2013年04期

相關(guān)碩士學(xué)位論文 前9條

1 謝林培;基于深度學(xué)習(xí)的眼底圖像血管分割方法研究[D];深圳大學(xué);2017年

2 齊嘉駿;眼底圖像中視盤的定位與分割方法研究[D];沈陽工業(yè)大學(xué);2017年

3 卜凡進(jìn);視網(wǎng)膜特征檢測方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 段彥華;眼底圖像中視杯分割和硬性滲出物檢測算法研究[D];北京工業(yè)大學(xué);2016年

5 曾杰;視網(wǎng)膜圖像的分析與研究[D];電子科技大學(xué);2016年

6 邵一婷;彩色眼底圖像視盤自動(dòng)檢測方法研究[D];天津工業(yè)大學(xué);2016年

7 鄭姍;主動(dòng)輪廓模型及其在眼底圖像分割中的應(yīng)用[D];沈陽理工大學(xué);2015年

8 趙秋紅;彩色眼底圖像中視杯識(shí)別算法研究[D];北京工業(yè)大學(xué);2014年

9 趙圓圓;病變眼底圖像高效高精度視盤定位與分割[D];湘潭大學(xué);2014年

本文編號(hào)：2894144