| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 课题的研究现状 | 第9-14页 |
| 1.2.1 眼底图像血管分割方法的国内外研究现状 | 第9-11页 |
| 1.2.2 眼底图像血管分类方法的国内外研究现状 | 第11-12页 |
| 1.2.3 血管管径测量方法的研究现状 | 第12-13页 |
| 1.2.4 深度学习的研究现状 | 第13-14页 |
| 1.3 本文的研究内容及章节安排 | 第14-15页 |
| 第二章 眼底图像预处理 | 第15-23页 |
| 2.1 彩色眼底图像通道选取 | 第15-17页 |
| 2.2 对比度受限自适应直方图均衡化 | 第17-20页 |
| 2.2.1 直方图均衡化 | 第18页 |
| 2.2.2 对比度受限自适应直方图均衡化 | 第18-20页 |
| 2.3 图像归一化 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 基于U-Net网络的眼底图像血管分割和分类 | 第23-47页 |
| 3.1 U-Net网络的原理 | 第23-26页 |
| 3.2 基于U-Net 网络的血管分割方法 | 第26-36页 |
| 3.2.1 血管的特性分析 | 第26页 |
| 3.2.2 分割方法流程 | 第26-27页 |
| 3.2.3 数据库介绍及样本准备 | 第27-28页 |
| 3.2.4 改进的U-net眼底血管分割网络 | 第28-30页 |
| 3.2.5 实验结果与分析 | 第30-36页 |
| 3.3 基于U-Net网络的血管分类方法 | 第36-45页 |
| 3.3.1 动静脉血管特性分析 | 第36-37页 |
| 3.3.2 分类方法流程 | 第37页 |
| 3.3.3 数据样本准备 | 第37-38页 |
| 3.3.4 改进的U-Net眼底动静脉血管分类网络 | 第38-39页 |
| 3.3.5 实验结果与分析 | 第39-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 基于Hessian矩阵和二维高斯拟合的血管管径测量 | 第47-67页 |
| 4.1 眼底血管的中心线的提取 | 第47-48页 |
| 4.2 血管分叉点和交叉点的定位 | 第48-50页 |
| 4.3 基于Hessian矩阵的血管方向获取 | 第50-51页 |
| 4.3.1 Hessian矩阵的性质 | 第50-51页 |
| 4.3.2 眼底血管的Hessian矩阵 | 第51页 |
| 4.4 基于二维高斯拟合的血管方向及中心线矫正 | 第51-57页 |
| 4.4.1 血管灰度值分布特性 | 第52-53页 |
| 4.4.2 二维高斯拟合 | 第53-57页 |
| 4.5 血管管径测量结果及方法性能分析 | 第57-63页 |
| 4.6 动静脉管径比AVR值测量结果及方法性能分析 | 第63-65页 |
| 4.7 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 发表论文和参加科研情况 | 第75-77页 |
| 致谢 | 第77页 |
