| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第11-12页 |
| 缩略词 | 第12-13页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 课题研究的背景和意义 | 第13页 |
| 1.2 眼图像计算机辅助诊断技术 | 第13-14页 |
| 1.3 深度学习在医学图像分析的研究现状 | 第14-16页 |
| 1.4 本文主要研究内容及组织结构 | 第16-17页 |
| 第二章 相关背景知识 | 第17-32页 |
| 2.1 眼部主要结构介绍 | 第17页 |
| 2.2 视盘区域信息在眼疾病分析诊断中的作用 | 第17-19页 |
| 2.3 传统的与视盘相关的眼底图像处理方法 | 第19-21页 |
| 2.3.1 视盘定位方法 | 第20页 |
| 2.3.2 视盘视杯分割方法 | 第20-21页 |
| 2.4 深度学习理论 | 第21-30页 |
| 2.4.1 机器学习与浅层学习 | 第21-22页 |
| 2.4.2 神经网络 | 第22-26页 |
| 2.4.3 卷积神经网络 | 第26-29页 |
| 2.4.4 Softmax回归模型 | 第29-30页 |
| 2.5 深度学习主要框架 | 第30-31页 |
| 2.5.1 TensorFlow | 第30页 |
| 2.5.2 Caffe | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 基于深度卷积神经网络的视盘定位算法 | 第32-43页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于深度卷积神经网络的视盘定位算法流程 | 第33页 |
| 3.3 显著图及候选区域提取 | 第33-35页 |
| 3.4 候选区视盘分类深度卷积神经网络 | 第35-36页 |
| 3.5 实验设计与结果分析 | 第36-42页 |
| 3.5.1 数据集 | 第36-37页 |
| 3.5.2 实验设置 | 第37-38页 |
| 3.5.3 评价标准 | 第38-39页 |
| 3.5.4 结果分析 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于深度卷积神经网络的视盘视杯分割算法 | 第43-57页 |
| 4.1 引言 | 第43页 |
| 4.2 基于深度卷积神经网络的视盘视杯分割算法流程 | 第43-45页 |
| 4.3 视盘提取区域的血管去除 | 第45-47页 |
| 4.3.1 血管提取 | 第45-46页 |
| 4.3.2 血管去除 | 第46-47页 |
| 4.4 提取区域的视盘分割 | 第47-50页 |
| 4.5 提取区域的视杯分割 | 第50-52页 |
| 4.6 实验设计与结果分析 | 第52-56页 |
| 4.6.1 数据集 | 第52页 |
| 4.6.2 实验设置 | 第52页 |
| 4.6.3 评价标准 | 第52-53页 |
| 4.6.4 结果分析 | 第53-56页 |
| 4.7 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-60页 |
| 5.1 全文主要工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果及发表的学术论文 | 第67页 |