| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景知识介绍及研究意义 | 第9-13页 |
| 1.2 国内外研究现状 | 第13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第二章 轻度糖尿病视网膜病变中椭圆体带损伤检测 | 第15-27页 |
| 2.1 研究背景 | 第15页 |
| 2.2 实验方法 | 第15-22页 |
| 2.2.1 算法概览 | 第15-16页 |
| 2.2.2 预处理 | 第16-18页 |
| 2.2.2.1 识别椭圆体带边界位置和产生enface投影图 | 第16页 |
| 2.2.2.2 两次扫描数据的配准与融合 | 第16-17页 |
| 2.2.2.3 比例图像 | 第17-18页 |
| 2.2.3 椭圆体带损伤检测 | 第18-20页 |
| 2.2.3.1 模糊隶属度 | 第19-20页 |
| 2.2.3.2 确定聚类数目 | 第20页 |
| 2.2.4 后处理 | 第20-21页 |
| 2.2.5 评价方法 | 第21-22页 |
| 2.3 实验结果 | 第22-25页 |
| 2.4 总结 | 第25-27页 |
| 第三章 基于机器学习在无脉络膜症中对光感受器存留区域的自动检测 | 第27-39页 |
| 3.1 研究背景 | 第27页 |
| 3.2 实验方法 | 第27-32页 |
| 3.2.1 算法综述 | 第27-28页 |
| 3.2.2 预处理 | 第28页 |
| 3.2.3 基于随机森林的机器学习 | 第28-31页 |
| 3.2.3.1 随机森林分类器 | 第28-29页 |
| 3.2.3.2 手工分级 | 第29页 |
| 3.2.3.3 特征选择 | 第29-31页 |
| 3.2.4 后处理 | 第31-32页 |
| 3.2.4.1 主区域提取 | 第31-32页 |
| 3.2.4.2 处理ORT | 第32页 |
| 3.3 实验结果 | 第32-35页 |
| 3.4 总结 | 第35-39页 |
| 第四章 基于深度学习在两种遗传性视网膜病变中对光感受器存留区域的自动检测 | 第39-51页 |
| 4.1 研究背景 | 第39页 |
| 4.2 实验方法 | 第39-45页 |
| 4.2.1 算法综述 | 第39-40页 |
| 4.2.2 预处理 | 第40-41页 |
| 4.2.3 深度学习 | 第41-45页 |
| 4.2.3.1 手工标记 | 第41-42页 |
| 4.2.3.2 图像块的提取 | 第42页 |
| 4.2.3.3 深度学习 | 第42-45页 |
| 4.2.4 后处理 | 第45页 |
| 4.3 实验结果 | 第45-48页 |
| 4.4 总结 | 第48-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-61页 |
| 攻读硕士学位期间发表的论文 | 第61-62页 |
| 致谢 | 第62页 |
