检索结果-南通市图书馆

中华实验眼科杂志 2019年第8期37卷 608-612页

作者：万程游齐靖孙晶沈建新俞秋丽南京航空航天大学电子信息工程学院 210016 南京医科大学附属明基医院眼科 210019

目的提出一种基于人类视觉注意力机制的FA-Net网络结构以使卷积神经网络(CNN)更适用于眼病筛查系统中的图像质量评估。方法FA-Net主网络由VGG-19网络组成,本研究在该基础上将人类视觉注意力机制加入到CNN中,并在训练时使用迁移学习的方... 详细信息

目的提出一种基于人类视觉注意力机制的FA-Net网络结构以使卷积神经网络(CNN)更适用于眼病筛查系统中的图像质量评估。方法FA-Net主网络由VGG-19网络组成,本研究在该基础上将人类视觉注意力机制加入到CNN中,并在训练时使用迁移学习的方法,使用ImageNet的权重初始化网络。注意力网络采用前景提取的方法,提取血管和疑似病灶点等感兴趣区域,并赋予感兴趣区域更高的权重来加强对感兴趣区域的学习。结果在训练FA-Net时,使用了2894张眼底图像。FA-Net在包含2170张眼底图像的测试集上,分类准确率达97.65%,其敏感度和特异性分别为0.978和0.960,曲线下面积(AUC)为0.995。结论FA-Net对比于其他CNN具有更优越的分类性能,能够更准确、高效地评估视网膜眼底图像质量。该网络考虑了人类视觉系统(HVS)和人类注意力机制,通过在VGG-19网络结构中加入注意力模块,在获得更好分类性能的同时也使分类结果更具有可解释性。

关键词：眼底图像质量评估眼底图像增强卷积神经网络深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

机器学习在染色体和眼底图像分析中的应用

机器学习在染色体和眼底图像分析中的应用

引用

作者：游齐靖南京航空航天大学

学位级别：硕士

随着数字图像成像技术的发展,各类新型医学影像拍摄设备日渐普及,医学图像也逐渐成为医生临床诊断的主要依据。传统诊断流程需要医生在观察分析病灶的同时给出诊断结果,一些发病率较高的疾病往往需要临床医生花费大量时间和精力重复地... 详细信息

随着数字图像成像技术的发展,各类新型医学影像拍摄设备日渐普及,医学图像也逐渐成为医生临床诊断的主要依据。传统诊断流程需要医生在观察分析病灶的同时给出诊断结果,一些发病率较高的疾病往往需要临床医生花费大量时间和精力重复地进行观察和诊断,且诊断结果容易受到医生主观因素的影响。因此,一个能够实现图像分割、定位和分类等功能的自动化医学图像分析系统具有重大的临床意义。近几年,机器学习方法和深度学习方法在医学图像处理各个领域都取得了巨大的突破。卷积神经网络等新型算法在医学疾病的预测、分割、分类任务中的表现均超越了传统算法。眼底图像和染色体图像作为被广泛研究的医学影像,其结构相对固定,语义内容较少。本文以眼底图像和染色体图像为研究对象,探索机器学习回归算法和卷积神经网络算法在医学图像分析中的应用。本文主要工作及创新点如下:第一,提出了一种基于机器学习的眼底疾病中浆的术后视力值预测算法。在同一数据集上独立训练Lasso,Ada Boost,GBDT,XGBoost,Random Forest和Extra Trees六种机器学习回归算法,通过集成三种最优算法获得最终预测模型。为了简化预测模型以便其应用于临床诊断,分别使用全部特征和简化后的特征训练普通预测模型和精简预测模型。实验结果验证了精简模型的有效性。精简预测模型预测性能仅略低于普通预测模型,而其训练所需的特征数量却只有普通预测模型的十分之一。第二,提出了一种基于生成对抗网络的眼底图像增强算法。为了解决生成器构造单一、训练结果出现纹理细节退化等问题,将CBAM卷积注意力模块加入CycleGAN网络框架以增强CycleGAN生成器中采样网络的特征提取能力。在模型性能评估阶段,通过额外构建的糖尿病视网膜病变（DR）分类网络验证Cycle-CBAM对于其他眼底病诊断系统的提升作用。实验结果验证了Cycle-CBAM增强模型在眼疾病智能诊断系统中的有效性。第三,基于特征匹配和深度学习方法构建了一个的完整的染色体核型分析系统。该系统包含三大模块,分别为:染色体分割模块、染色体核型结果图像生成模块和染色体异常检测模块,可以实现端到端的染色体核型自动分析过程。我们首先使用特征匹配算法制作染色体分割标签,接着以U-Net为基础框架分别训练UNet-VGG19,UNet-ResNet50和UNet++-ResNet50染色体分割网络,然后通过偏转角检测和极性检测步骤制作染色体核型分析结果图像,最后使用异常检测网络进行染色体异常诊断。实验结果验证了本文提出的染色体核型分析系统的有效性。

关键词：视力值预测眼底图像增强染色体核型分析卷积神经网络深度学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的视网膜图像分析算法研究

基于深度学习的视网膜图像分析算法研究

引用

作者：孙晶南京航空航天大学

学位级别：硕士

视网膜眼底图像是诊断糖尿病视网膜病变、黄斑病变等眼科疾病的重要依据。随着便携式眼底照相机的普及和人工智能技术的快速发展,出现了很多用于眼疾病的自动诊断系统。这些自动诊断系统的成功很大程度上依赖于输入图像的质量。由于光... 详细信息

视网膜眼底图像是诊断糖尿病视网膜病变、黄斑病变等眼科疾病的重要依据。随着便携式眼底照相机的普及和人工智能技术的快速发展,出现了很多用于眼疾病的自动诊断系统。这些自动诊断系统的成功很大程度上依赖于输入图像的质量。由于光照、眼球移动、遮挡等原因,在真实的眼底图像数据集中,存在大量质量较差的眼底图像。所以,有效的眼底图像质量评估算法对于眼疾病智能筛查具有重要意义。此外,可以通过图像增强算法对质量较差的眼底图像进行增强处理。对于玻璃体浑浊、白内障等眼疾病患者,其眼底图像由于自身屈光介质受损会产生模糊、低对比度的现象。这类患者即使反复调节眼底相机的参数也无法拍摄高质量的视网膜图像。智能诊断系统中如何对质量差的眼底图像进行图像增强也是关键的问题之一。本文的工作内容以及创新点如下:第一,提出了一种基于深度学习的视网膜图像质量评估方法。该方法将人类视觉注意力机制加入到卷积神经网络中。主网络采用VGG-19,基于迁移学习的方法,从ImageNet上初始化网络权重。注意力网络采用前景提取的方法,提取出血管和疑似病灶点等感兴趣区域,并赋予感兴趣区域更高的权重来加强对感兴趣区域的学习。实验结果表明,相比于传统的眼底图像质量评估模型,该方法考虑了人类视觉系统和人类注意力机制,通过在VGG-19网络结构中加入注意力网络,可以获得更好的性能。此外,该方法不依赖手工设计的特征,因此具有更好的泛化性。第二,提出了一种基于生成式对抗网络的视网膜图像增强方法。该方法基于CycleGAN网络,实现从低质量眼底图像到高质量眼底图像的转换。首次将CycleGAN网络应用于图像增强任务。该网络由两个生成器和两个判别器构成。为了生成分辨率较高的眼底图像,增加了生成网络的深度,使其具有更大的感受野。实验结果表明,该方法对光照过暗、光照不均以及模糊的眼底图像都有较好的增强效果。同时,避免了传统图像增强方法色彩失真的问题。此外,比较了图像增强前后眼疾病筛查系统的分类准确率,实验结果验证了该方法有助于提高眼疾病筛查系统的诊断精度。

关键词：眼底图像质量评估眼底图像增强卷积神经网络深度学习生成式对抗网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：