面向眼科医学图像的病变检测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-12页 |
| 1 绪论 | 第12-16页 |
| 1.1 引言 | 第12页 |
| 1.2 研究背景及意义 | 第12-14页 |
| 1.3 本文研究内容和主要贡献 | 第14-15页 |
| 1.4 论文结构安排 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 糖尿病视网膜病变检测概述 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 糖尿病视网膜病变 | 第16-17页 |
| 2.3 国内外研究现状 | 第17-25页 |
| 2.3.1 传统方法研究现状 | 第18-23页 |
| 2.3.2 深度学习方法研究现状 | 第23-24页 |
| 2.3.3 糖尿病视网膜病变诊断系统研究现状 | 第24-25页 |
| 2.4 现有方法存在的问题 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于多尺度区域块的糖尿病视网膜病变级联检测 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 基于多尺度区域块的级联检测框架 | 第27-30页 |
| 3.2.1 预处理 | 第28-29页 |
| 3.2.2 基于区域块的预检测 | 第29页 |
| 3.2.3 基于多尺度区域块的图像分割 | 第29-30页 |
| 3.3 实验设置与评价标准 | 第30-32页 |
| 3.3.1 眼底图像数据库 | 第30-31页 |
| 3.3.2 评价标准 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-38页 |
| 3.4.1 基于区域块的预检测结果 | 第33-34页 |
| 3.4.2 基于多尺度区域块的图像分割结果 | 第34-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于多层次特征融合的糖尿病视网膜病变检测 | 第39-61页 |
| 4.1 引言 | 第39页 |
| 4.2 基于多层次特征融合的病变检测原理阐述 | 第39-44页 |
| 4.2.1 全卷积神经网络 | 第40-41页 |
| 4.2.2 Hole算法 | 第41-42页 |
| 4.2.3 特征融合 | 第42-44页 |
| 4.3 基于多层次特征融合的病变检测框架 | 第44-50页 |
| 4.3.1 多层次特征融合网络 | 第45-46页 |
| 4.3.2 加权损失函数 | 第46-47页 |
| 4.3.3 负样本增强 | 第47-49页 |
| 4.3.4 图像融合 | 第49-50页 |
| 4.4 实验设置与评价标准 | 第50-51页 |
| 4.4.1 眼底图像数据库 | 第50-51页 |
| 4.4.2 评价标准 | 第51页 |
| 4.5 实验结果与分析 | 第51-59页 |
| 4.5.1 实验设置 | 第51-52页 |
| 4.5.2 实验结果 | 第52-59页 |
| 4.6 本章小结 | 第59-61页 |
| 5 糖尿病视网膜病变自动检测系统的设计与实现 | 第61-67页 |
| 5.1 引言 | 第61页 |
| 5.2 眼底视网膜图像标注软件 | 第61-63页 |
| 5.2.1 标注软件功能模块 | 第61-62页 |
| 5.2.2 标注软件界面 | 第62-63页 |
| 5.2.3 标注方式 | 第63页 |
| 5.3 糖尿病视网膜病变自动检测系统 | 第63-66页 |
| 5.3.1 糖尿病视网膜病变自动检测系统功能模块 | 第63-64页 |
| 5.3.2 病变检测流程 | 第64页 |
| 5.3.3 客户端设计 | 第64-66页 |
| 5.3.4 服务器端设计 | 第66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 结论 | 第67-69页 |
| 6.1 工作总结 | 第67页 |
| 6.2 工作展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |
