發(fā)布時間：2020-05-09 17:19

【摘要】：青光眼和糖尿病性視網膜病變已成為導致人類視力受損和失明的主要原因之一。對于眼底病患者來說,定期的篩查和及時治療非常重要,可以減緩疾病的發(fā)展,盡可能保留剩余視力。通過眼底相機拍攝的眼底圖像包含了大量有效信息,是醫(yī)生診斷眼底病的重要依據。目前臨床上,眼底病的篩查主要通過眼科醫(yī)生對眼底圖進行分析與診斷,這不僅效率低并且對醫(yī)生的技術水平要求較高。隨著計算機和人工智能的發(fā)展,計算機輔助診斷系統(tǒng)越來越多的應用到臨床診斷中,不僅可以減輕醫(yī)生工作負擔、提高診斷準確率,對于推動大規(guī)模的眼底普查也有重要意義。因此對眼底圖進行精確的處理與分析有重要的臨床意義和科研價值。本文利用圖像處理技術和深度學習的方法,對眼底圖中的青光眼進行識別,并對糖尿病視網膜病變的四種病灶進行檢測與分割,為青光眼和糖網病的計算機輔助診斷系統(tǒng)的實現(xiàn)奠定基礎。本文主要對以下幾個方面進行研究:(1)針對青光眼分類問題,我們分析了不同數據集之間存在的域差異,提出了一種基于標簽信息的條件對抗遷移學習方法來提高青光眼診斷。和大多數現(xiàn)有的只匹配不同域之間邊緣分布的對抗遷移學習不同,我們匹配源領域和目標領域的標簽分布。并在三個青光眼數據集上進行多組實驗,實驗證明了該方法在多個評估指標上具有有效性,說明了標簽信息在遷移學習上起到很大作用。(2)糖網病病灶分割圖像預處理階段,提取了眼底圖的綠色通道,通過中值濾波和對比度受限的自適應直方圖均衡化算法(CLAHE)對圖像進行去噪和增強處理。此外,由于在眼底圖中視盤和病灶表現(xiàn)相似,我們對視盤結構檢測并剔除,從而消除視盤對病灶分割的干擾,提高病灶區(qū)域的可檢測性。(3)在糖網病病灶分割過程中,由于不同病灶在眼底圖中尺寸不同,我們將U-Net網絡與多尺度方法融合,提出了基于多尺度的病灶分割算法。多尺度的輸入,有利于模型挖掘到全局的粗粒度特征和局部的細節(jié)特征,并將不同尺度的特征進行融合。我們在IDRiD數據集上進行多組實驗,實驗結果證明了該方法的有效性,說明了多尺度特征的融合有利于提高分割精度。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18;R770.4

【參考文獻】

相關期刊論文 前4條

1 高瑋瑋;沈建新;王玉亮;梁春;左晶;;基于多模板匹配的局部自適應區(qū)域生長法在視網膜內出血自動檢測中的應用[J];光譜學與光譜分析;2013年02期

2 劉恒明;;三大致盲眼病叫板中青年[J];醫(yī)藥與保健;2009年04期

3 郭娟;吳玲玲;肖格格;;大視杯與早期青光眼視盤形態(tài)的對比研究[J];眼科;2006年02期

4 黎曉新;;糖尿病視網膜病變的防治策略[J];中華眼科雜志;2008年01期

，

本文編號：2656476