糖尿病足作為糖尿病最常見的并發(fā)癥之一,因其治療周期長,治療費用高的問題而成為目前最為棘手的皮膚病之一。治愈糖尿病足患者的有效手段之一是對糖尿病足進行合理的分級和篩查。在大部分國家和地區(qū),糖尿病足患者嚴重程度的分級依然依靠專業(yè)的足病醫(yī)師,這種治療方法存在治療費用高、治療時間長等缺點。且在大部分欠發(fā)達的國家和地區(qū),由于缺乏醫(yī)療保健設施以及患者認知水平的不足,部分糖尿病足患者隨著病情的加重,最終導致截肢。由此可見,開發(fā)一種遠程、經濟且高效的糖尿病足自動篩查系統(tǒng)成為糖尿病足輔助診斷及患者自我管理的有效方法。近些年,隨著計算機算力以及深度學習的發(fā)展,計算機視覺得到了迅猛的進步,尤其是在醫(yī)學圖像分析領域,如核磁共振成像、皮膚鏡以及糖尿病足領域。本文提出一種基于深度學習的自動篩查和檢測糖尿病足Wagner等級的方法。本文使用采集到的2688張?zhí)悄虿∽銏D片作為深度學習模型訓練的數(shù)據(jù)集,然后采用目標檢測算法,如Faster R-CNN,SSD,YOLOv3,對糖尿病足圖片實現(xiàn)自動化的篩查和檢測。本文使用圖像混合、標簽平滑以及學習模式轉變以及更改Anchor Box數(shù)量和尺寸的方法改進上述三種目標檢測算法... 

【文章來源】：中北大學山西省

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

三種常見的計算機視覺任務在糖尿病足圖像分析處理上的示例

使用labelImg[35]

中北大學學位論文11=(+++)/（2.1） =()()（2.2）圖2-1使用labelImg[35]注釋工具在糖尿病足數(shù)據(jù)集上繪制人工標簽的示例Figure2-1ExampleofdrawinggroundtruthondiabeticfootdatasetusinglabelImg[35]annotationtool圖2-2人工標簽后生成的xml文件示例Figure2-2Exampleofxmlfilegeneratedaftermanuallabeling


本文編號：3367572