| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-16页 |
| 1.1 糖尿病性视网膜病变 | 第8-9页 |
| 1.2 SD-OCT成像模式及特点 | 第9-10页 |
| 1.3 糖尿病性视网膜病变在SD-OCT和眼底图像中的表现 | 第10-11页 |
| 1.4 糖尿病性视网膜病变国内外研究现状及研究意义 | 第11-13页 |
| 1.5 论文的组织结构 | 第13-16页 |
| 2 医学图像预处理 | 第16-26页 |
| 2.1 SD-OCT视网膜图像去噪 | 第16-17页 |
| 2.1.1 双边滤波去噪 | 第16-17页 |
| 2.1.2 去噪实验结果 | 第17页 |
| 2.2 基于局部区域选择和图像块分类的SD-OCT视网膜图像去模糊 | 第17-24页 |
| 2.2.1 多尺度去模糊模型 | 第18-19页 |
| 2.2.2 局部区域选择 | 第19页 |
| 2.2.3 模糊核估计和反卷积 | 第19-20页 |
| 2.2.4 基于图像块分类和自适应滤波去振铃 | 第20-21页 |
| 2.2.5 去模糊实验结果 | 第21-24页 |
| 2.3 本章小结 | 第24-26页 |
| 3 基于自适应阈值和区域生长的SD-OCT糖网图像高反射信号分割 | 第26-37页 |
| 3.1 引言 | 第26页 |
| 3.2 算法流程概述 | 第26-32页 |
| 3.2.1 图像预处理 | 第27-28页 |
| 3.2.2 自适应阈值法和区域生长 | 第28-31页 |
| 3.2.3 分割结果后处理 | 第31-32页 |
| 3.3 实验结果及分析 | 第32-36页 |
| 3.3.1 分割结果定性分析 | 第32-34页 |
| 3.3.2 分割结果定量分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于深度卷积网络的SD-OCT糖网图像高反射信号分割 | 第37-56页 |
| 4.1 引言 | 第37-38页 |
| 4.2 深度卷积网络介绍 | 第38-39页 |
| 4.3 基于深度卷积神经网络的分割方法 | 第39-45页 |
| 4.3.1 分割模型概述 | 第39-40页 |
| 4.3.2 图像预处理和数据集构造 | 第40-42页 |
| 4.3.3 卷积神经网络结构 | 第42-45页 |
| 4.4 实验结果及分析 | 第45-55页 |
| 4.4.1 网络模型分析 | 第45-47页 |
| 4.4.2 分割结果定性分析 | 第47-51页 |
| 4.4.3 分割结果定量分析 | 第51-55页 |
| 4.5 本章小结 | 第55-56页 |
| 5 糖尿病性视网膜病变高反射信号与硬性渗出的多模态分析 | 第56-68页 |
| 5.1 引言 | 第56-57页 |
| 5.2 多模态分析 | 第57-60页 |
| 5.2.1 硬性渗出在眼底图像和SD-OCT图像中的一致性分析 | 第57-59页 |
| 5.2.2 SD-OCT糖网图像中高反射信号与硬性渗出的关系分析 | 第59页 |
| 5.2.3 糖网病变程度的评估 | 第59-60页 |
| 5.3 实验结果及分析 | 第60-66页 |
| 5.3.1 硬性渗出的一致性分析结果 | 第60-62页 |
| 5.3.2 高反射信号与硬性渗出关系分析结果 | 第62-65页 |
| 5.3.3 糖网病变程度评估结果 | 第65-66页 |
| 5.3.4 综合分析 | 第66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 总结和展望 | 第68-70页 |
| 6.1 论文总结 | 第68-69页 |
| 6.2 工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录 | 第76页 |
