| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 视网膜眼底图像与糖尿病视网膜病变 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-20页 |
| 1.3.1 糖尿病视网膜病变分期研究现状 | 第16-18页 |
| 1.3.2 视网膜微血管瘤病变检测研究现状 | 第18-20页 |
| 1.4 本文的研究工作 | 第20-21页 |
| 1.5 论文的组织结构 | 第21-22页 |
| 第2章 基于深度学习的糖尿病视网膜病变分期方法 | 第22-34页 |
| 2.1 研究意义 | 第22-23页 |
| 2.2 方法流程 | 第23-29页 |
| 2.2.1 视网膜图像数据预处理 | 第24-26页 |
| 2.2.2 数据不平衡处理 | 第26-27页 |
| 2.2.3 结合有序分类的卷积神经网络 | 第27-29页 |
| 2.3 实验结果和分析 | 第29-32页 |
| 2.3.1 数据库和实验设置 | 第29-30页 |
| 2.3.2 本章所提方法实验性能 | 第30-31页 |
| 2.3.3 实验结果分析和讨论 | 第31-32页 |
| 2.4 本章小结 | 第32-34页 |
| 第3章 基于卷积神经网络和多尺度信息的视网膜微血管瘤检测 | 第34-48页 |
| 3.1 研究意义 | 第34-36页 |
| 3.2 方法流程 | 第36-41页 |
| 3.2.1 视网膜图像预处理和微血管瘤候选区域获取 | 第36-39页 |
| 3.2.2 微血管瘤候选样本提取 | 第39-40页 |
| 3.2.3 设计卷积神经网络对微血管瘤候选分类 | 第40-41页 |
| 3.3 实验结果 | 第41-45页 |
| 3.3.1 数据库与实验环境设置 | 第42页 |
| 3.3.2 微血管瘤检测的效果评估指标 | 第42-43页 |
| 3.3.3 实验结果与分析 | 第43-45页 |
| 3.3.4 漏检和误检样本分析 | 第45页 |
| 3.4 本章小结 | 第45-48页 |
| 第4章 总结与探讨 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间发表的学术论文 | 第58-60页 |
| 攻读学位期间参加的项目 | 第60-61页 |
| 学位论文评阅及答辩情况表 | 第61页 |