| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 糖网病病变分期 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 视网膜血管分割的研究现状 | 第13-15页 |
| 1.3.2 视盘定位分割的研究现状 | 第15-16页 |
| 1.3.3 硬性渗出自动检测的研究现状 | 第16-17页 |
| 1.4 糖网病辅助诊断研究难点 | 第17-18页 |
| 1.5 本文研究的主要内容与结构安排 | 第18-20页 |
| 第2章 视网膜血管图的分割 | 第20-34页 |
| 2.1 基于CLAHE的视网膜血管增强 | 第20-23页 |
| 2.1.1 CLAHE图像增强原理 | 第21-22页 |
| 2.1.2 视网膜血管增强 | 第22-23页 |
| 2.2 PST结合多尺度Gaussian滤波的视网膜血管粗分割 | 第23-28页 |
| 2.2.1 PST理论介绍 | 第23-25页 |
| 2.2.2 基于PST的视网膜血管分割 | 第25-26页 |
| 2.2.3 PST算法结合多尺度Gaussian滤波 | 第26-28页 |
| 2.3 视网膜血管精确分割 | 第28页 |
| 2.4 实验结果与分析 | 第28-33页 |
| 2.4.1 评价指标 | 第28-29页 |
| 2.4.2 实验结果展示 | 第29-31页 |
| 2.4.3 与基于Hessian矩阵的方法比较 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 视盘的定位分割 | 第34-44页 |
| 3.1 基于灰度级形态学开运算的图像预处理 | 第34-37页 |
| 3.1.1 灰度级形态学开运算原理 | 第34-35页 |
| 3.1.2 眼底图像预处理 | 第35-37页 |
| 3.2 视盘的定位 | 第37-40页 |
| 3.2.1 基于自适应阈值的视盘粗定位 | 第37-39页 |
| 3.2.2 视盘精确定位 | 第39-40页 |
| 3.3 视盘分割 | 第40-42页 |
| 3.4 实验结果及分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 硬性渗出自动检测 | 第44-55页 |
| 4.1 卷积神经网络 | 第44-46页 |
| 4.2 基于卷积神经网络的HEs分类模型训练 | 第46-50页 |
| 4.2.1 训练样本 | 第46-47页 |
| 4.2.2 HEs检测的网络结构设计及模型训练 | 第47-50页 |
| 4.3 眼底图像中硬性渗出的检测 | 第50-52页 |
| 4.3.1 眼底图像预处理 | 第50页 |
| 4.3.2 硬性渗出自动检测 | 第50-51页 |
| 4.3.3 HEs概率图和伪彩色图 | 第51-52页 |
| 4.4 结果统计及分析 | 第52-53页 |
| 4.4.1 评价指标 | 第52-53页 |
| 4.4.2 实验结果与分析 | 第53页 |
| 4.5 本章小结 | 第53-55页 |
| 总结 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第63页 |