眼底視網(wǎng)膜圖像計(jì)算機(jī)輔助診斷系統(tǒng)可以幫助眼科醫(yī)生進(jìn)行決策分析,實(shí)現(xiàn)自動病灶篩查和快速管理,大大地減少醫(yī)生的工作量。圍繞眼底視網(wǎng)膜圖像計(jì)算機(jī)輔助診斷技術(shù),本文主要研究了若干關(guān)鍵問題:同一患者不同時(shí)刻圖像的變化檢測問題、視網(wǎng)膜圖像中解剖結(jié)構(gòu)的分割問題及糖尿病視網(wǎng)膜病（Diabetic Retinopathy,DR）的檢測和分級問題。在臨床診斷中,通常需要監(jiān)測患者治療或病情演化過程,有時(shí)候會比較同一只眼睛治療前后采集的兩幅視網(wǎng)膜眼底圖像,檢測出發(fā)生變化的區(qū)域,為醫(yī)生輔助治療提供定量分析依據(jù);有時(shí)需要觀察多個(gè)不同時(shí)刻采集的長圖像序列的演化情況,比較在多個(gè)不同時(shí)間點(diǎn)圖像的差異,檢測出這段時(shí)間內(nèi)的變化區(qū)域及其病情的動態(tài)演化過程。計(jì)算機(jī)輔助診斷系統(tǒng)在篩查病灶的同時(shí),也希望對病情自動評級。由于視網(wǎng)膜黃斑變性自動評級不僅需要檢測相關(guān)病灶,而且也需要分割及定位多個(gè)解剖結(jié)構(gòu),如視盤、黃斑等。解剖結(jié)構(gòu)可以輔助黃斑變性評級同時(shí)也會對病灶檢測結(jié)果產(chǎn)生干擾,因此視網(wǎng)膜圖像中解剖結(jié)構(gòu)的檢測和分割也是非常重要的一個(gè)研究問題。為此,本文研究了兩幅圖像間及多幅長序列圖像間的變化檢測問題,討論了視網(wǎng)膜圖像中相關(guān)眼病及解剖結(jié)構(gòu)... 

【文章來源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：157 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視網(wǎng)膜圖像解剖結(jié)構(gòu)定位與分割
        1.2.2 DR病灶的檢測和分割
        1.2.3 視網(wǎng)膜圖像序列變化檢測
    1.3 視網(wǎng)膜圖像分析的主要問題和挑戰(zhàn)
        1.3.1 變化檢測的主要問題和挑戰(zhàn)
        1.3.2 DR篩查及黃斑變性評級的主要問題和挑戰(zhàn)
    1.4 本文主要工作與組織結(jié)構(gòu)
        1.4.1 本文的主要工作及創(chuàng)新性
        1.4.2 本文的組織結(jié)構(gòu)
第二章 基于稀疏表示及低秩分解的視網(wǎng)膜圖像對變化檢測
    2.1 引言
    2.2 圖像對的預(yù)處理
    2.3 基于局部區(qū)域字典學(xué)習(xí)及稀疏表示的變化檢測
        2.3.1 應(yīng)用問題模型
        2.3.2 基于局部稀疏表示的圖像對變化檢測算法過程
        2.3.3 實(shí)驗(yàn)結(jié)果及討論
    2.4 基于低秩圖像序列構(gòu)建及低秩分解的變化檢測
        2.4.1 低秩序列的構(gòu)建
        2.4.2 低秩分解建模
        2.4.3 算法和流程圖
        2.4.4 低秩分解實(shí)驗(yàn)結(jié)果分析
    2.5 本章小結(jié)
第三章 基于張量RPCA的長序列圖像變化檢測
    3.1 引言
    3.2 長序列圖像的預(yù)處理
        3.2.1 光照處理
        3.2.2 配準(zhǔn)
        3.2.3 背景擴(kuò)張
    3.3 基于張量RPCA分解的變化檢測
        3.3.1 張量背景建模
        3.3.2 變化區(qū)域建模
        3.3.3 背景重構(gòu)與變化區(qū)域分割
    3.4 張量變化檢測算法過程
        3.4.1 H-Ten RPCA算法流程
        3.4.2 PG-Ten RPCA算法流程
    3.5 實(shí)驗(yàn)結(jié)果分析
        3.5.1 數(shù)據(jù)
        3.5.2 實(shí)驗(yàn)結(jié)果
        3.5.3 討論
    3.6 本章小結(jié)
第四章 基于深度學(xué)習(xí)的視網(wǎng)膜圖像結(jié)構(gòu)檢測和分割
    4.1 引言
    4.2 基于U-Net的血管檢測
        4.2.1 U-Net檢測流程
        4.2.2 實(shí)驗(yàn)結(jié)果
    4.3 視盤中心檢測和視盤區(qū)域分割
        4.3.1 視盤檢測算法
        4.3.2 實(shí)驗(yàn)結(jié)果分析
    4.4 中央凹定位
        4.4.1 中央凹定位算法
        4.4.2 實(shí)驗(yàn)與分析
    4.5 本章小結(jié)
第五章 基于深度學(xué)習(xí)的DR病灶檢測和黃斑變性評級
    5.1 引言
    5.2 基于CNN網(wǎng)絡(luò)的滲出液檢測
        5.2.1 數(shù)據(jù)預(yù)處理
        5.2.2 CNN模型及涉及的問題
        5.2.3 實(shí)驗(yàn)結(jié)果與分析
    5.3 基于U-Net網(wǎng)絡(luò)的DR病灶檢測
        5.3.1 U-Net網(wǎng)絡(luò)檢測DR
        5.3.2 殘差U-Net檢測DR
        5.3.3 實(shí)驗(yàn)結(jié)果與分析
    5.4 黃斑病變評級
        5.4.1 算法過程
        5.4.2 實(shí)驗(yàn)結(jié)果
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 工作展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間參與的項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]基于k均值聚類和自適應(yīng)模板匹配的眼底出血點(diǎn)檢測方法[J]. 肖志濤,趙北方,張芳,耿磊,吳駿,王雯,張欣鵬,蘇龍,陳莉明,單春燕.  中國生物醫(yī)學(xué)工程學(xué)報(bào). 2015(03)
[2]基于多尺度2D Gabor小波的視網(wǎng)膜血管自動分割[J]. 王曉紅,趙于前,廖苗,鄒北驥.  自動化學(xué)報(bào). 2015(05)
[3]基于分類回歸樹和AdaBoost的眼底圖像視網(wǎng)膜血管分割[J]. 朱承璋,向遙,鄒北驥,高旭,梁毅雄,畢佳.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(03)

博士論文
[1]基于彩色視網(wǎng)膜圖像的眼底病相關(guān)目標(biāo)檢測方法研究[D]. 戴百生.哈爾濱工業(yè)大學(xué) 2016

碩士論文
[1]基于深度學(xué)習(xí)的糖尿病性視網(wǎng)膜圖像分析算法研究[D]. 丁蓬莉.北京交通大學(xué) 2017
[2]視網(wǎng)膜圖像解剖結(jié)構(gòu)檢測及病變分析研究[D]. 陳寧華.浙江大學(xué) 2017
[3]視網(wǎng)膜圖像的分析與研究[D]. 曾杰.電子科技大學(xué) 2016



本文編號：3147711