| 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的发展现状 | 第11-12页 |
| 1.3 视网膜疾病的基本概况 | 第12-15页 |
| 1.3.1 健康视网膜 | 第12-13页 |
| 1.3.2 视网膜黄斑水肿 | 第13-14页 |
| 1.3.3 年龄相关性黄斑变性 | 第14-15页 |
| 1.4 OCT视网膜病变图像分类研究现状 | 第15-17页 |
| 1.4.1 图像分割 | 第15-16页 |
| 1.4.2 纹理分析 | 第16-17页 |
| 1.5 本文主要研究内容以及结构安排 | 第17-19页 |
| 第2章 基于PCANet特征学习的OCT视网膜病变图像分类技术 | 第19-38页 |
| 2.1 引言 | 第19-20页 |
| 2.2 PCANet特征学习原理 | 第20-22页 |
| 2.3 基于PCANet特征学习的OCT视网膜病变图像分类 | 第22-31页 |
| 2.3.1 OCT图像去噪 | 第23-25页 |
| 2.3.2 视网膜平滑及裁剪 | 第25-27页 |
| 2.3.3 PCANet特征学习 | 第27-28页 |
| 2.3.4 SVM分类 | 第28-31页 |
| 2.4 实验数据 | 第31-33页 |
| 2.4.1 杜克大学OCT图像数据集 | 第31-32页 |
| 2.4.2 湖南中医药大学OCT图像数据集 | 第32-33页 |
| 2.5 实验 | 第33-37页 |
| 2.5.1 评价指标 | 第33-34页 |
| 2.5.2 参数分析 | 第34-35页 |
| 2.5.3 实验分析 | 第35-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第3章 基于3D-PCANet特征学习的3D-OCT视网膜病变图像分类技术 | 第38-46页 |
| 3.1 引言 | 第38页 |
| 3.2 基于3D-PCANet特征学习分类技术原理 | 第38-41页 |
| 3.2.1 3D-PCANet特征学习 | 第38-40页 |
| 3.2.2 组合核函数 | 第40-41页 |
| 3.3 基于3D-PCANet特征学习的3D-OCT视网膜病变图像分类 | 第41-42页 |
| 3.4 实验 | 第42-44页 |
| 3.4.1 实验分析 | 第42-44页 |
| 3.4.2 3D-PCANet起始层效果实验分析 | 第44页 |
| 3.5 本章小结 | 第44-46页 |
| 第4章 软件实现 | 第46-51页 |
| 4.1 引言 | 第46页 |
| 4.2 软件系统结构 | 第46-47页 |
| 4.3 软件系统流程 | 第47-48页 |
| 4.4 软件系统界面 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-54页 |
| 5.1 总结 | 第51-52页 |
| 5.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第60页 |
