| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 本课题的研究背景及意义 | 第10-11页 |
| 1.2 光学相干断层扫描技术概述 | 第11-12页 |
| 1.3 常见视网膜疾病介绍 | 第12-14页 |
| 1.3.1 年龄相关性黄斑变性 | 第13-14页 |
| 1.3.2 糖尿病视网膜病变 | 第14页 |
| 1.4 OCT视网膜图像分类技术研究现状 | 第14-17页 |
| 1.4.1 膜层分割 | 第15页 |
| 1.4.2 纹理分析 | 第15-16页 |
| 1.4.3 深度学习 | 第16-17页 |
| 1.5 论文主要研究内容及结构安排 | 第17-19页 |
| 第2章 OCT图像预处理方法 | 第19-23页 |
| 2.1 引言 | 第19页 |
| 2.2 OCT图像去噪 | 第19-21页 |
| 2.3 视网膜区域扁平化 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于OCT视网膜图像的多病变标签分类算法研究 | 第23-42页 |
| 3.1 引言 | 第23-24页 |
| 3.2 视网膜病变的基本概况 | 第24-26页 |
| 3.2.1 视网膜前膜 | 第24-25页 |
| 3.2.2 黄斑水肿 | 第25-26页 |
| 3.2.3 玻璃膜疣 | 第26页 |
| 3.3 基于OCT视网膜图像的多病变标签分类算法 | 第26-34页 |
| 3.3.1 视网膜膜层区域分割 | 第28页 |
| 3.3.2 基于视觉词袋模型的OCT图像视网膜病变分类 | 第28-34页 |
| 3.4 实验结果与分析 | 第34-41页 |
| 3.4.1 实验数据集 | 第34-35页 |
| 3.4.2 评价指标 | 第35-37页 |
| 3.4.3 实验分析 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于卷积神经网络与迁移学习的OCT图像视网膜疾病分类算法研究 | 第42-62页 |
| 4.1 引言 | 第42页 |
| 4.2 卷积神经网络理论基础 | 第42-49页 |
| 4.2.1 神经网络理论基础 | 第43-45页 |
| 4.2.2 卷积神经网络结构组成 | 第45-49页 |
| 4.3 迁移学习与微调 | 第49-50页 |
| 4.4 基于卷积神经网络与迁移学习的OCT图像疾病分类算法 | 第50-57页 |
| 4.4.1 图像预处理与数据增强 | 第51页 |
| 4.4.2 VGGNet | 第51-53页 |
| 4.4.3 ResNet | 第53-56页 |
| 4.4.4 基于迁移学习的OCT图像视网膜疾病分类 | 第56-57页 |
| 4.5 实验结果与分析 | 第57-61页 |
| 4.5.1 数据集 | 第57-58页 |
| 4.5.2 实验结果与分析 | 第58-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第70页 |
