基于残差-密集网络的 DR眼底图像质量分类与病变判别

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.1.1 眼底图像质量分类研究背景及意义

1.1.2 眼底DR判别研究背景及意义

1.2 国内外研究现状

1.2.1 眼底图像质量分类国内外研究现状

1.2.2 眼底DR判别国内外研究现状

1.3 论文研究内容及组织结构

第二章 卷积神经网络理论基础

2.1 卷积神经网络的发展

2.1.1 机器学习与神经网络

2.1.2 卷积神经网络

2.2 卷积神经网络的基本组成

2.2.1 卷积层

2.2.2 池化层

2.2.3 激活函数层

2.2.4 全连接层

2.3 卷积神经网络的训练

2.3.1 CNN训练过程概述

2.3.2 权值初始化

2.3.3 权值更新

2.4 本章小结

第三章 基于卷积神经网络的眼底图像分类模型

3.1 网络结构及其核心模块介绍

3.1.1 ResNet与残差模块

3.1.2 DenseNet与密集模块

3.1.3 Residual Dense Network与残差-密集模块

3.1.4 改进的残差-密集模块

3.2 整体网络结构

3.3 参数选择与网络训练

3.3.1 网络结构超参数的设置

3.3.2 网络训练方法

3.4 本章小结

第四章 眼底图像质量分类实验结果分析

4.1 分类评价参数

4.2 眼底图像质量分类数据集的构建

4.2.1 数据集介绍

4.2.2 预处理与数据增广

4.3 眼底图像质量分类网络结构

4.3.1 特征图可视化

4.3.2 不同模块性能比较

4.3.3 池化层作用分析

4.4 CNN网络分类结果对比分析

4.4.1 质量优与质量劣眼底图像的测试效果

4.4.2 质量不明确眼底图像的测试效果

4.5 不同眼底图像质量分类方法对比分析

4.6 本章小结

第五章 眼底DR判别实验结果分析

5.1 眼底DR判别数据集的构建

5.1.1 数据集介绍

5.1.2 预处理与数据增广

5.2 眼底DR判别网络结构

5.2.1 特征图可视化

5.2.2 不同模块性能比较

5.2.3 池化层作用分析

5.3 CNN网络分类结果对比分析

5.4 不同DR判别方法对比分析

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

发表论文和参加科研情况

致 谢