糖尿病引發(fā)的視網(wǎng)膜病變因其早期病癥不顯著,晚期不能根治,一直是困擾眼科醫(yī)學(xué)難點問題。臨床實踐證明,此類疾病的早期發(fā)現(xiàn),對于疾病的控制和治療有著十分重要的意義。不同領(lǐng)域科研工作者從不同角度在這個領(lǐng)域開展相關(guān)研究工作,其中,將人工智能和機器學(xué)習(xí)技術(shù)應(yīng)用于眼底病變的早期發(fā)現(xiàn),是這一領(lǐng)域的一個重要研究方向。近年來,以神經(jīng)網(wǎng)絡(luò)為核心的深度學(xué)習(xí)發(fā)展迅速,特別在圖像和語音識別領(lǐng)域表現(xiàn)出了卓越的性能,并且成功應(yīng)用于醫(yī)學(xué)圖像診斷領(lǐng)域。本文開展了基于殘差神經(jīng)網(wǎng)絡(luò)(Residual Networks,ResNets)眼底視網(wǎng)膜病變圖像識辨和病癥自動描述研究,主要研究內(nèi)容如下:1)開展樣本生成、圖像增強方法研究,以克服樣本不充分,分布不均衡等問題,從而有效的提高了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)質(zhì)量。2)提出了基于ResNet(殘差神經(jīng)網(wǎng)絡(luò))對眼底圖像進行分類方法,針對卷積神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中,隨深度增加學(xué)習(xí)率出現(xiàn)飽和甚至下降等問題,采用殘差神經(jīng)網(wǎng)絡(luò)代替?zhèn)鹘y(tǒng)的卷積神經(jīng)網(wǎng)絡(luò),通過殘差學(xué)習(xí)來解決退化問題,并且修改殘差網(wǎng)最后一層進行分類,達到將病變分類的目的。3)提出了基于ResNet-LSTM模型的眼底圖像標(biāo)注和理解方法。模型分兩層,底層為ResNet,用于圖像特征提取,上層為LSTM,將ResNet輸出的特征進行處理,最終輸出關(guān)于該圖像的描述信息。
【學(xué)位單位】：山東工商學(xué)院
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：R774.1;TP391.41
【部分圖文】：

色病變”[2]。鑒于這個原因，糖尿病視網(wǎng)膜病變非增殖期的診斷和治療顯要。病變的早期階段，糖尿病視網(wǎng)膜病變在臨床上沒有明顯癥狀。最近研究顯糖尿病患者住院后仍無法確診是否患有糖尿病視網(wǎng)膜病變。為了防止這種般方法是對糖尿病患者進行定期眼底篩查，以驗證視網(wǎng)膜病變是否存在動篩查方式耗時耗力，不確定性較大，隨著圖像識別技術(shù)的不斷進步，采技術(shù)對眼底病變進行輔助篩查，已成為發(fā)展趨勢。究背景及意義權(quán)威機構(gòu)研究預(yù)測，2030 年全球糖尿病患者將由 2000 年的 2.8％增加其中，約有 5％的糖尿病患者患有糖尿病視網(wǎng)膜病變。在我國目前眼科醫(yī) 2.7 萬人，有能力開展眼科手術(shù)的不足 4000 人，住在醫(yī)療資源相對缺乏的遠地區(qū)的眼病患者，由于無法及時得到有效的診斷治療，導(dǎo)致視力嚴重下甚至致盲[3]。

在許多不足之處：首先某些眼科醫(yī)師專業(yè)水平村和社區(qū)病院難以開展綜合醫(yī)療服務(wù)，很難完治療；在眼病治療之后難以開展眼底病變的監(jiān)遠的眼底病變患者來說，與眼科醫(yī)院中的專業(yè)，存在很多不便和困難，醫(yī)生和眼病患者對這診斷眼底病變[4]的方法可以顯著減少病變篩查機較高的準(zhǔn)確性，能確保更有效地分析大量病分類系統(tǒng)的示意圖。采用圖像識別系統(tǒng)可以實個過程�，F(xiàn)階段糖尿病無法實現(xiàn)大規(guī)模的篩查系統(tǒng)來協(xié)助醫(yī)生實現(xiàn)大規(guī)模高效率的診斷篩查測，病患信息的整理歸納。構(gòu)建計算機輔助診來說，除了可以幫助病患實現(xiàn)大規(guī)模篩查診斷治療時機，并有效控制糖尿病視網(wǎng)膜病變引發(fā)

度學(xué)習(xí)的本質(zhì)簡單，主要是數(shù)據(jù)和模型，兩者解深度學(xué)習(xí)模型和與一般機器學(xué)習(xí)模型的不同，學(xué)習(xí)的重要性，并且直接影響到深度學(xué)習(xí)模型的分類任務(wù)也會存在一個難題，由于分類對象的不本數(shù)目并不均衡，本文所研究的分類問題缺乏令習(xí)模型中。因此，為了達到滿意的精度，本文通據(jù)集。增強處理本對模型訓(xùn)練的重要，通過模型的訓(xùn)練學(xué)習(xí)，充大量的圖像才能滿足模型訓(xùn)練，因初始的神經(jīng)智能。如圖 2.1，對于三幅圖中同一個網(wǎng)球，但是訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對于圖像內(nèi)容的理解是不同的。

【相似文獻】

相關(guān)期刊論文 前10條

1 高宏杰;邱天爽;丑遠婷;周明;張曉博;;基于改進U型網(wǎng)絡(luò)的眼底圖像血管分割[J];中國生物醫(yī)學(xué)工程學(xué)報;2019年01期

2 吉浩;劉靈;李璐;趙丹丹;;眼底圖像處理與分析中的關(guān)鍵技術(shù)研究[J];中國繼續(xù)醫(yī)學(xué)教育;2018年27期

3 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗系統(tǒng)對眼底的臨床觀察與研究[J];臨床醫(yī)學(xué)工程;2013年01期

4 劉愛珍,馬斌榮,徐亮,楊樺,孫秀英;眼底圖像融合[J];中國醫(yī)學(xué)影像技術(shù);2003年11期

5 陸輝輝;夏海英;;基于機器學(xué)習(xí)對眼底圖像視網(wǎng)膜血管分割方法[J];廣西物理;2018年Z1期

6 高瑋瑋;程武山;沈建新;左晶;張愛華;;免散瞳眼底圖像在糖尿病視網(wǎng)膜病變自動篩查中的應(yīng)用[J];激光生物學(xué)報;2015年04期

7 楊艷;邵楓;;基于雙字典學(xué)習(xí)的眼底圖像血管分割[J];光電子·激光;2019年02期

8 盛韓偉;戴培山;劉智航;張文妙韻;趙亞麗;范敏;;基于拓撲結(jié)構(gòu)的眼底圖像分割評價新方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2015年05期

9 咼明;陳長征;劉劍萍;聶尚武;;一款適用于糖尿病視網(wǎng)膜病變遠程篩查的軟件[J];眼科;2010年01期

10 姜平;竇全勝;王晶;;基于局部自適應(yīng)點特異度閾值的眼底圖像血管分割方法研究[J];南京大學(xué)學(xué)報(自然科學(xué));2015年01期

相關(guān)會議論文 前6條

1 王子亮;潘林;余輪;;基于矢量方法的眼底圖像預(yù)處理[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

2 曹米莎;程建新;陳昱昆;龐博;王劍鋒;詹增榮;鄺健;周少博;李輝;梁納;袁永剛;盧毓敏;陳悅玲;;眼底圖像檢驗系統(tǒng)對眼底的臨床觀察與研究[A];“廣東省光學(xué)學(xué)會2013年學(xué)術(shù)交流大會”暨“粵港臺光學(xué)界產(chǎn)學(xué)研合作交流大會”會議手冊論文集[C];2013年

3 唐甜華;唐建清;聶天宇;王貴學(xué);葉志義;;基于眼底圖像的視網(wǎng)膜血管三維重建[A];第十二屆全國生物力學(xué)學(xué)術(shù)會議暨第十四屆全國生物流變學(xué)學(xué)術(shù)會議會議論文摘要匯編[C];2018年

4 黃君鑫;;紅外眼底鏡的研究[A];中國光學(xué)學(xué)會2006年學(xué)術(shù)大會論文摘要集[C];2006年

5 陳驥;彭承琳;劉成冬;;眼底照相機圖像采集處理系統(tǒng)設(shè)計[A];中國生物醫(yī)學(xué)工程學(xué)會第六次會員代表大會暨學(xué)術(shù)會議論文摘要匯編[C];2004年

6 ;外賓介紹[A];中國眼底病論壇·全國眼底病專題學(xué)術(shù)研討會論文匯編[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 張欣鵬;彩色眼底圖像微動脈瘤檢測方法研究[D];天津工業(yè)大學(xué);2017年

2 姜平;眼底圖像分割方法研究[D];吉林大學(xué);2018年

3 韓松濤;眼底圖像的血管特征分析[D];吉林大學(xué);2010年

4 金凱;重要眼病基于計算機輔助圖像分析診斷技術(shù)研究[D];浙江大學(xué);2018年

5 高瑋瑋;眼底圖像分割算法及應(yīng)用研究[D];南京航空航天大學(xué);2013年

6 姚暢;眼底圖像分割方法的研究及其應(yīng)用[D];北京交通大學(xué);2009年

7 王玉亮;眼底圖像處理與分析中的關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2012年

8 李居朋;眼底圖像處理與分析中一些關(guān)鍵問題的研究[D];北京交通大學(xué);2009年

9 王少澤;基于概率推斷的圖像質(zhì)量評價關(guān)鍵技術(shù)研究與應(yīng)用[D];浙江大學(xué);2017年

10 李鵬飛;眼底圖像實時處理與液晶自適應(yīng)系統(tǒng)控制研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2010年

相關(guān)碩士學(xué)位論文 前10條

1 喬志強;基于深度學(xué)習(xí)的糖尿病眼底圖像自動分類技術(shù)研究[D];北京郵電大學(xué);2019年

2 楊禹惠;眼底圖像的血管分割方法研究[D];沈陽工業(yè)大學(xué);2018年

3 姜聲;基于ResNet的眼底圖像分類及描述[D];山東工商學(xué)院;2019年

4 李曉剛;基于遷移學(xué)習(xí)的糖網(wǎng)病眼底圖像自動分類研究[D];深圳大學(xué);2018年

5 龐田田;糖網(wǎng)病眼底圖像的聚類研究[D];深圳大學(xué);2018年

6 劉夢佳;基于深度學(xué)習(xí)的DR眼底圖像黃斑水腫分級方法研究[D];天津工業(yè)大學(xué);2019年

7 張詩浩;基于深度學(xué)習(xí)的眼底圖像出血點分割方法研究[D];天津工業(yè)大學(xué);2019年

8 劉森澤;基于深度學(xué)習(xí)的糖尿病視網(wǎng)膜病變智能診斷系統(tǒng)[D];山東大學(xué);2018年

9 李博;基于彩色眼底圖像的新生血管自動檢測方法[D];東北大學(xué);2015年

10 段汶君;基于曲線群匹配的OCT眼底圖像分割方法研究[D];山東師范大學(xué);2018年

本文編號：2830902