| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 视网膜图像分类识别技术的现状 | 第14-15页 |
| 1.2.2 深度学习在图像分类识别技术的现状 | 第15-17页 |
| 1.2.3 卷积神经网络在图像分类识别技术上的研究现状 | 第17-19页 |
| 1.3 论文研究内容 | 第19页 |
| 1.4 论文的组织安排 | 第19-21页 |
| 第2章 相关技术概述 | 第21-33页 |
| 2.1 反向传播算法 | 第21-25页 |
| 2.2 卷积神经网络 | 第25-26页 |
| 2.2.1 卷积神经网络结构 | 第25-26页 |
| 2.2.2 局部感知与权值共享 | 第26页 |
| 2.3 TensorFlow简介 | 第26-29页 |
| 2.3.1 TensorFlow的特点 | 第27页 |
| 2.3.2 程序模型和基本概念 | 第27-29页 |
| 2.4 ResNet和DenseNet简介 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于CNN的视网膜图像分类算法 | 第33-45页 |
| 3.1 数据采集与预处理 | 第33-37页 |
| 3.1.1 去除黑色边框和噪声 | 第34-35页 |
| 3.1.2 调整图片分辨率 | 第35-36页 |
| 3.1.3 数据归一化 | 第36-37页 |
| 3.1.4 数据集扩增 | 第37页 |
| 3.2 改进的卷积神经网络模型 | 第37-39页 |
| 3.3 实验 | 第39-43页 |
| 3.3.1 实验设置 | 第39页 |
| 3.3.2 实验训练过程 | 第39-40页 |
| 3.3.3 实验结果分析 | 第40-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 糖尿病视网膜图像检测系统设计与实现 | 第45-55页 |
| 4.1 系统架构设计 | 第45-46页 |
| 4.2 系统数据库设计 | 第46-49页 |
| 4.3 系统模块实现 | 第49-54页 |
| 4.3.1 病人信息管理模块 | 第49页 |
| 4.3.2 病例信息管理模块 | 第49-50页 |
| 4.3.3 检测信息管理模块 | 第50-53页 |
| 4.3.4 图片样本采集 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 附录A 攻读学位期间完成的研究成果 | 第62-63页 |
| 附录B 攻读学位期间参与的研究项目 | 第63-64页 |
| 致谢 | 第64页 |