从视网膜图像到糖尿病视网膜病变诊断
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 视网膜图像血管分割研究现状 | 第12-14页 |
| 1.2.2 糖尿病视网膜病变诊断研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 章节安排 | 第16-18页 |
| 第二章 糖尿病视网膜病变诊断综述 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 糖尿病视网膜病变医学背景 | 第18-19页 |
| 2.3 糖尿病视网膜病变诊断方法 | 第19-29页 |
| 2.3.1 视网膜图像分割方法 | 第20-28页 |
| 2.3.2 糖尿病视网膜病变诊断方法 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 视网膜图像分块全卷积神经网络分割方法 | 第30-50页 |
| 3.1 引言 | 第30页 |
| 3.2 视网膜图像分块分割问题描述 | 第30-36页 |
| 3.2.1 视网膜图像分割中的挑战 | 第30-32页 |
| 3.2.2 图像分块方法 | 第32-36页 |
| 3.3 尺寸不变全卷积神经网络设计 | 第36-44页 |
| 3.3.1 尺寸不变全卷积神经网络作用层 | 第37-40页 |
| 3.3.2 尺寸不变的必要性 | 第40-41页 |
| 3.3.3 尺寸不变全卷积神经网络框架 | 第41-44页 |
| 3.4 实验与分析 | 第44-49页 |
| 3.4.1 实验数据与实验环境 | 第44页 |
| 3.4.2 评判标准与参数设置 | 第44-45页 |
| 3.4.3 实验对比与分析 | 第45-49页 |
| 3.4.4 实验结论 | 第49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 视网膜图像全局自适应权重分割方法 | 第50-64页 |
| 4.1 引言 | 第50-51页 |
| 4.2 SegVessel框架设计 | 第51-57页 |
| 4.2.1 SegVessel作用层 | 第51-53页 |
| 4.2.2 自适应权重方法 | 第53-54页 |
| 4.2.3 全卷积神经网络块设计 | 第54-56页 |
| 4.2.4 SegVessel框架 | 第56-57页 |
| 4.3 实验与分析 | 第57-63页 |
| 4.3.1 实验环境 | 第57页 |
| 4.3.2 数据集与评判标准 | 第57页 |
| 4.3.3 实验步骤与参数设置 | 第57-58页 |
| 4.3.4 实验结果对比与分析 | 第58-63页 |
| 4.3.5 实验结论 | 第63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 基于残差网络特征融合的疾病诊断方法 | 第64-74页 |
| 5.1 引言 | 第64页 |
| 5.2 糖尿病视网膜病变诊断问题描述 | 第64-66页 |
| 5.3 基于深度学习糖尿病视网膜病变诊断方法 | 第66-70页 |
| 5.3.1 视网膜图像预处理 | 第66-67页 |
| 5.3.2 卷积神经网络作用层 | 第67-69页 |
| 5.3.3 残差网络框架设计 | 第69-70页 |
| 5.4 实验与分析 | 第70-73页 |
| 5.4.1 实验环境与参数设置 | 第70-71页 |
| 5.4.2 实验结果对比与分析 | 第71-73页 |
| 5.4.3 实验结论 | 第73页 |
| 5.5 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 本文总结 | 第74-75页 |
| 6.2 未来展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间取得的成果 | 第83-84页 |
