基于深度学习的糖网病分期及病灶检测系统的研究与实现

摘要

糖尿病视网膜病变(糖网)是糖尿病患者中发病率极高的并发症之一，也是糖尿病患者的主要致盲原因。糖网早期病变不会导致视力下降，到晚期才就诊会导致病情难以救治，所以对糖尿病患者进行定期随访可以有效防止眼部病情恶化。由于医疗资源紧张和患者的人数较多，研究并设计一个糖网病分期及病灶检测智能诊断系统，对于辅助医生提高糖网诊断效率具有重要的意义。近年来，深度学习在多种医学图像分类中有了广泛的研究与应用，本文的主要研究内容是将深度学习算法应用到糖网眼底图像的智能诊断中，具体的工作内容如下：　　(1)针对糖网第4期病灶难以人工标注的问题，本文使用卷积神经网络进行直接分类。对InceptionV3模型进行改进，在原网络结构中的混合层之后依次添加flatten层、全连接层、TargetedDropout、全连接层和softmax层，该模型大幅提高了糖网分期中第4期糖网病的精确率。　　(2)针对糖网数据集图片分辨率过大、病灶特征过于分散难以获取和视网膜部分组织影响病灶识别的问题，本文提出了基于改进的FasterR-CNN和子图分割相结合的糖网分期方法。首先，使用目标检测网络识别视盘区域坐标以解决视盘区域对于病灶识别的干扰问题；其次，在输入图像阶段使用子图分割，在特征提取阶段使用深度残差网络以解决病灶在高分辨率眼底图像中占比小而导致的特征难以获取的问题；最后，在感兴趣区域(Region of Interest，ROI)生成过程中采用在线困难样本挖掘(Online Hard Example Mining，OHEM)方法解决正负难易样本不平衡的问题。　　(3)针对糖网病灶人工标注数据量较少的问题，本文采用了自训练提取伪真值的思想，在网络训练阶段使用半监督学习引入伪标签的方法进行迭代训练。基于已训练好的初始网络模型进行调优训练，最终确定了算法的参数和模型。在EyePACS数据集和爱尔眼科医院的糖网眼底样本上进行糖网分期实验，所提方法在糖网病分期中精确率0期达到95.52%，1期达到86.35%，2期达到93.52%，3期达到87.50%，4期达到83.91%。　　(4)最后，确立了糖网眼底图像算法模型，对糖网智能诊断系统进行需求分析，完成了系统的设计与实现。

目录

声明

目 录

第 1 章绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1糖网智能诊断的研究现状

1.2.2系统的研究现状

1.3 主要研究工作

1.4 论文组织结构

1.5 本章小结

第 2 章糖网智能诊断系统需求分析

2.1 概述

2.2 系统设计目标

2.3 系统角色分析

2.4 系统功能需求分析

2.4.1用户服务

2.4.2后台管理

2.4.3智能诊断

2.4.4接口

2.4.5系统用例规约

2.5 系统非功能需求分析

2.5.1用户类及特征

2.5.2硬件需求

2.5.3数据库需求

2.5.4性能需求

2.5.5系统质量需求

2.6 本章小结

第3 章糖尿病视网膜病变智能分期算法的研究与实现

3.1 糖尿病视网膜病变基本理论

3.1.1糖尿病视网膜病变

3.1.2糖尿病视网膜病变眼底图像特点

3.2 糖网智能诊断现有算法

3.2.1 VGG16

3.2.2 Inception V3

3.2.3 SSD

3.2.4 Faster R-CNN

3.2.5 实验结果与分析

3.2.6 糖网智能分期难点

3.3 方法框架

3.3.1 数据预处理

3.3.2 改进的 Inception V3网络

3.3.3子图分割

3.3.4改进的 Faster R-CNN网络

3.3.5半监督学习引入伪标签

3.4 实验设计与结果分析

3.4.1数据集

3.4.2实验设计

3.4.3评价指标

3.4.4结果分析

第 4 章 糖网智能诊断系统设计与实现

4.1 系统总体设计

4.1.1系统结构设计

4.1.2系统工作流程

4.1.3系统整体功能结构

4.2 数据库设计

4.2.1概念结构设计

4.2.2逻辑结构设计

4.3 核心功能实现

4.3.1 用户服务

4.3.2智能诊断模块

4.3.3后台管理模块

第 5 章系统测试与维护

5.1 系统测试环境

5.2 系统测试环境

5.3 系统测试结果分析

5.3.1系统测试结果

5.3.2智能诊断算法测试结果

5.3.3测试结果分析

总结与展望

致谢

参考文献

攻读硕士学位期间参与的科研项目