基于彩色眼底图像的新生血管自动检测方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 视网膜病变与自动检测 | 第10-12页 |
| 1.1.1 糖尿病视网膜病变 | 第10页 |
| 1.1.2 糖尿病视网膜病变筛查 | 第10-11页 |
| 1.1.3 计算机辅助诊断 | 第11-12页 |
| 1.2 新生血管自动检测主要研究内容 | 第12-13页 |
| 1.3 新生血管自动检测研究意义 | 第13页 |
| 1.4 文章的结构 | 第13-14页 |
| 第2章 眼底图像与糖尿病视网膜病变 | 第14-32页 |
| 2.1 视网膜图像 | 第14-17页 |
| 2.1.1 人眼结构与视盘 | 第14页 |
| 2.1.2 眼底成像技术简析 | 第14-16页 |
| 2.1.3 选择基于彩色眼底图像自动检测的原因 | 第16-17页 |
| 2.2 糖尿病视网膜病变 | 第17-25页 |
| 2.2.1 糖尿病视网膜病变的生化原理及病理 | 第17-20页 |
| 2.2.2 糖尿病视网膜病变常见病灶 | 第20-23页 |
| 2.2.3 糖尿病视网膜病变的分级阶段 | 第23-25页 |
| 2.3 新生血管特点与研究难点 | 第25-26页 |
| 2.4 相关研究现状与方法 | 第26-30页 |
| 2.4.1 检测血管的常用方法 | 第27-29页 |
| 2.4.2 像素分类 | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 研究方法 | 第32-76页 |
| 3.1 新生血管特征分析与对应检测策略制定 | 第32-34页 |
| 3.1.1 新生血管特征分析 | 第32-33页 |
| 3.1.2 检测流程 | 第33-34页 |
| 3.2 预处理 | 第34-38页 |
| 3.2.1 绿色通道 | 第34-35页 |
| 3.2.2 去除不均匀光照 | 第35页 |
| 3.2.3 绿色通道除以红色通道 | 第35-36页 |
| 3.2.4 增强血管 | 第36页 |
| 3.2.5 去除视网膜图像中的正常血管 | 第36-38页 |
| 3.3 特征提取 | 第38-60页 |
| 3.3.1 滤波器组设计 | 第38-39页 |
| 3.3.2 红绿蓝通道 | 第39页 |
| 3.3.3 标准差滤波器 | 第39-41页 |
| 3.3.4 高斯线性匹配滤波器 | 第41-44页 |
| 3.3.5 各向异性高斯滤波器 | 第44-46页 |
| 3.3.6 微分不变滤波器 | 第46-49页 |
| 3.3.7 梯度滤波器 | 第49-50页 |
| 3.3.8 角滤波器 | 第50-52页 |
| 3.3.9 熵滤波器 | 第52-54页 |
| 3.3.10 血管密度 | 第54-56页 |
| 3.3.11 血管曲率 | 第56-60页 |
| 3.4 数据归一化 | 第60-61页 |
| 3.5 像素分类 | 第61-72页 |
| 3.5.1 极限学习机 | 第61-64页 |
| 3.5.2 支持向量机 | 第64-70页 |
| 3.5.3 广义回归神经网络 | 第70-72页 |
| 3.6 特征选择 | 第72-74页 |
| 3.7 本章小结 | 第74-76页 |
| 第4章 实验结果与讨论 | 第76-92页 |
| 4.1 材料准备 | 第76-78页 |
| 4.1.1 眼底图像数据来源 | 第76页 |
| 4.1.2 手动标记新生血管区域掩膜 | 第76-77页 |
| 4.1.3 实验环境 | 第77-78页 |
| 4.2 自动检测框架的实验结果与讨论 | 第78-91页 |
| 4.2.1 预处理结果与讨论 | 第78-80页 |
| 4.2.2 特征提取过程结果与讨论 | 第80-84页 |
| 4.2.3 分类器结果对比 | 第84-86页 |
| 4.2.4 PCA特征选择结果与讨论 | 第86-87页 |
| 4.2.5 自动检测框架结果与讨论 | 第87-91页 |
| 4.3 本章小结 | 第91-92页 |
| 第5章 研究总结与展望 | 第92-94页 |
| 5.1 研究总结 | 第92-93页 |
| 5.2 未来工作展望 | 第93-94页 |
| 参考文献 | 第94-100页 |
| 致谢 | 第100页 |
