| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 黄斑病变研究背景 | 第9-11页 |
| 1.1.2 眼底图像分割意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 分割方法研究现状 | 第12-13页 |
| 1.2.2 玻璃膜疣分割方法研究现状 | 第13-15页 |
| 1.3 本文主要研究内容及创新点 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关理论 | 第17-25页 |
| 2.1 监督流形学习介绍 | 第17-21页 |
| 2.1.1 维数约简 | 第17-18页 |
| 2.1.2 监督流形学习 | 第18-21页 |
| 2.2 卷积神经网络介绍 | 第21-24页 |
| 2.2.1 背景及现状 | 第21-22页 |
| 2.2.2 基本结构 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于监督描述子学习的眼底图像玻璃膜疣分割方法 | 第25-37页 |
| 3.1 GLRAM | 第25-27页 |
| 3.2 分割方法 | 第27-30页 |
| 3.2.1 数据准备 | 第27-28页 |
| 3.2.2 监督描述子学习 | 第28-30页 |
| 3.2.3 分割实现 | 第30页 |
| 3.3 实验结果及分析 | 第30-36页 |
| 3.3.1 数据集 | 第30-31页 |
| 3.3.2 评价指标 | 第31页 |
| 3.3.3 参数设置 | 第31-32页 |
| 3.3.4 实验结果 | 第32-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于ResNet卷积神经网络的眼底图像玻璃膜疣分割方法 | 第37-45页 |
| 4.1 残差学习模块 | 第37-38页 |
| 4.2 ResNet卷积神经网络模型 | 第38-40页 |
| 4.3 实验结果及分析 | 第40-43页 |
| 4.3.1 数据准备 | 第40页 |
| 4.3.2 参数设置 | 第40页 |
| 4.3.3 实验结果 | 第40-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 全文总结 | 第45页 |
| 5.2 下一步研究工作 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间的主要成果 | 第51-53页 |
| 致谢 | 第53页 |