首页> 中文学位 >基于深度学习的糖尿病性视网膜图像分类研究
【6h】

基于深度学习的糖尿病性视网膜图像分类研究

代理获取

目录

第一个书签之前

摘 要

ABSTRACT

目 录

图清单

表清单

缩略词

第一章 绪论

1.1 选题背景与研究意义

1.2 国内外研究现状

1.3 主要研究工作和内容安排

第二章 深度学习理论基础

2.1 引言

2.2 传统前馈网络

2.2.1 人工神经元模型

2.2.2 前馈神经网络

2.2.3 误差反向传播算法

2.3 卷积神经网络模型

2.4.1 Dropout

2.4.2 Batch Normalization

2.5 本章小结

第三章 基于人类视觉系统的眼底图像质量评估

3.1 引言

3.2 方法框架

3.2.1 感兴趣区域提取

3.2.2 显著图特征

3.2.3微调深度网络

3.2.4 CNN网络结构和实现

3.2.5 SVM分类

3.3 实验设计与结果分析

3.3.1 实验数据集

3.3.2 评价指标

3.3.3 实验结果与分析

3.4 本章小结

第四章 基于深度学习的糖尿病视网膜病变分类

4.1 引言

4.2 方法框架

4.2.1 数据预处理

4.2.2 基于Inception结构和残差结构的主网络

4.2.3 基于全卷积网络的注意力网络结构

4.2.4 损失函数

4.3 实验设计与结果分析

4.3.1 数据集

4.3.2 参数设置

4.3.3 评价指标

4.3.4 实验结果与分析

4.3.4.1 EyePACS数据集实验结果与分析

4.3.4.2 Messidor数据集实验结果与分析

4.4 本章小结

第五章 总结与展望

5.1 全文总结

5.2 未来工作展望

参考文献

致 谢

在学期间的研究成果及发表的学术论文

展开▼

摘要

糖尿病视网膜病变由于其病变种类多样、早期症状不明显、发病率高等特性已经成为适龄人群失明的主要原因之一,定期的眼部检查是预防该疾病恶化、防止失明的关键。由于患者人数众多而医疗资源紧张,因此研究一种智能的糖尿病视网膜病变自动诊断系统,对于辅助医生提高诊断效率具有重要的意义。图像质量评估和糖尿病视网膜病变等级分类作为自动诊断系统的两个重要环节,对于后续的疾病诊断具有很大的影响。随着人工智能算法的发展,深度学习在医学图像等领域得到了广泛的应用,将深度学习应用到眼底图像质量评估和糖尿病视网膜病变诊断上,对于提高自动诊断系统的性能具有重要的意义,也是论文的主要研究内容,本文主要工作与创新点如下: 第一,提出一种基于人类视觉系统的眼底图像质量评估方法。该方法利用人类视觉系统的处理信息方式,将基于卷积神经网络的监督信息和基于显著图的无监督信息相结合,进而构建分类器进行眼底图像质量分类。使用了一种基于全分辨率的显著图,其能够获取与图像质量相关的局部及全局特征。并基于迁移学习原理,使用微调深度网络的方法训练卷积神经网络提取图像特征。实验结果和同类算法相比具有最好的分类性能。 第二,提出了一种基于注意力机制的深度学习分类方法。该方法在深度网络中嵌入基于全卷积网络的注意力网络,并使用专家标注的病变区域数据进行训练,该注意力网络能够生成病变候选区域,引入专家知识。其次,使用了一种融合了Inception结构和残差结构的深度网络,并在整个网络的训练中使用一种特征增强的方法将病变候选区域信息引入到眼疾病分类任务中,使网络在保留原始特征信息的基础上对病变候选区域的信息进行增强。提出的方法是一种多任务学习方法,在利用专家知识提升分类性能的同时能够对眼底图像的病灶区域进行粗定位。实验结果表明我们的方法获得优越的分类性能的同时,具有医学上的可解释意义。

著录项

  • 作者

    于凤丽;

  • 作者单位

    南京航空航天大学;

  • 授予单位 南京航空航天大学;
  • 学科 通信与信息系统
  • 授予学位 硕士
  • 导师姓名 万程;
  • 年度 2018
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类 眼科学;药品;
  • 关键词

    深度学习; 糖尿病性; 视网膜图像;

  • 入库时间 2022-08-17 10:52:34

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号