基于深度学习的OCT图像特征提取在老年性黄斑病变分类中的方法研究

目录

声明

术语缩写表

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 研究贡献

1.4 本文主要内容与章节安排

2 基于深度学习的黄斑病变分类概述

2.1 黄斑病变基础知识

2.2 卷积神经网络模型

2.2.1 卷积神经网络的结构

2.2.2 卷积神经网络的训练

2.2.3 卷积神经网络的优势

2.3 医学图像分类模型

2.3.1 HOG-SVM网络

2.3.2 VGG网络

2.3.3 ResNet网络

2.4 本章小结

3 基于ResNet和FL损失的AMD分类模型设计与实现

3.1 ARN模型的设计

3.1.1 ARN网络设计

3.1.2 ARN网络优化

3.2 实验设计

3.2.1 图像数据

3.2.2 图像预处理

3.2.3 实验平台

3.2.4 参数设计

3.2.5 评估标准

3.3 实验结果与分析

3.4 本章小结

4 基于残差注意力网络的AMD分类模型设计与实现

4.1 残差注意力AMD分类模型

4.1.1 注意力机制

4.1.2 注意力模块结构

4.1.3 残差注意力网络设计

4.2 实验结果与分析

4.3 本章小结

5 总结与展望

5.1 总结

5.2 展望

参考文献

个人简历、在校期间发表的学术论文与研究成果

致谢