| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 糖尿病性视网膜病变概述 | 第11-13页 |
| 1.3 国内外研究现状及存在的问题 | 第13-14页 |
| 1.3.1 国内外研究现状 | 第13-14页 |
| 1.3.2 存在的问题 | 第14页 |
| 1.4 论文研究内容及组织结构 | 第14-16页 |
| 1.4.1 论文研究内容 | 第14-15页 |
| 1.4.2 论文组织结构 | 第15-16页 |
| 第2章 相关技术理论基础 | 第16-30页 |
| 2.1 卷积神经网络的发展 | 第16-19页 |
| 2.1.1 机器学习与神经网络 | 第16页 |
| 2.1.2 前馈神经网络 | 第16-18页 |
| 2.1.3 卷积神经网络 | 第18-19页 |
| 2.2 卷积神经网络的训练 | 第19-23页 |
| 2.2.1 反向传播算法 | 第19-21页 |
| 2.2.2 适用于CNN的BP算法 | 第21-23页 |
| 2.3 卷积和池化 | 第23-25页 |
| 2.3.1 卷积 | 第23-24页 |
| 2.3.2 池化 | 第24-25页 |
| 2.4 激活函数 | 第25-26页 |
| 2.5 梯度下降算法 | 第26-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 眼底图像特征表达与分类模型设计 | 第30-48页 |
| 3.1 眼底图像病症分析 | 第30-32页 |
| 3.1.1 医学成像技术 | 第30页 |
| 3.1.2 眼底图像病变特征分析 | 第30-32页 |
| 3.2 眼底图像特征提取 | 第32-37页 |
| 3.2.1 眼底血管分割 | 第32-34页 |
| 3.2.2 渗出区候选域的检测 | 第34-35页 |
| 3.2.3 图像融合 | 第35-37页 |
| 3.3 基于AlexNet的DrNet眼底图像分类模型 | 第37-44页 |
| 3.3.1 AlexNet介绍 | 第37页 |
| 3.3.2 DrNet基本结构 | 第37-40页 |
| 3.3.3 DrNet结构分析 | 第40-44页 |
| 3.4 DrNet网络参数设计方法 | 第44-46页 |
| 3.4.1 卷积核 | 第44-45页 |
| 3.4.2 网络层数 | 第45页 |
| 3.4.3 其他相关因素 | 第45-46页 |
| 3.5 模型超参数的设计 | 第46-47页 |
| 3.5.1 模型学习率 | 第46页 |
| 3.5.2 模型参数优化方法 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 实验与结果分析 | 第48-58页 |
| 4.1 实验环境 | 第48-49页 |
| 4.2 数据集分析 | 第49页 |
| 4.3 实验评价方法 | 第49-52页 |
| 4.4 实验设计与结果分析 | 第52-57页 |
| 4.4.1 AlexNet分类模型在眼底图像上的结果分析 | 第52-54页 |
| 4.4.2 DrNet眼底图像分类模型实验结果分析 | 第54-56页 |
| 4.4.3 误差分析 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66页 |
