检索结果-南通市图书馆

作者：苏少华上海交通大学

学位级别：硕士

由于中国人口老龄化,眼病易发的行业的增加,人们保护眼睛意识的欠缺等原因,眼病的发病概率越来越大,如何尽早地有效地检测出眼底疾病成为了一个亟待解决的课题。随着眼底摄影技术的发展,摄影技术使得通过眼底特征诊断眼部疾病成为了可能... 详细信息

由于中国人口老龄化,眼病易发的行业的增加,人们保护眼睛意识的欠缺等原因,眼病的发病概率越来越大,如何尽早地有效地检测出眼底疾病成为了一个亟待解决的课题。随着眼底摄影技术的发展,摄影技术使得通过眼底特征诊断眼部疾病成为了可能。眼底是眼球内后部的组织,由视网膜、眼底血管、视神经头、视神经纤维、视网膜上的黄斑,以及视网膜后的脉络膜等构成,这些部位的病变统称为眼底眼底疾病。眼底图像可以通过多种手段获得,根据获取方式来分类,眼底图像可以分为IR(Infrared Radiation,红外)图像、超声图像、以及OCT(Optical Coherence Tomography,光学相干断层摄影)图像。有经验的医生可以通过眼底特征诊断出患者的相关病症,如青光眼、糖尿病、肾病、高血压、细菌性疾病、寄生虫,以及颅脑疾病等。这些眼底特征信息主要包括视神经盘的位置和大小、视网膜内层厚度、中央窝位置、血管网络、黄斑位置等。本文主要内容是研究三项关键的OCT眼底图像处理技术,包括眼底血管网络的提取、中央凹定位和层分割。本文改进了一种基于血管中心线提取和形态学重构的算法来实现眼底图像的血管网络的自动提取。在预处理完成之后,本文首先使用方向差分滤波算子提取血管中心线;然后使用改进的高帽操作(Tophat)获得增强的血管特征;最后的图像分割使用了一种迭代区域生长算法,该算法是基于若干幅依赖于血管宽度的形态学重构算法实现。在前人的研究成果基础上,本文在原分割流程中加入多尺度形态学细节增强模块,保留下一些不明显连接的血管。通过对比实验的证实,改进后的算法有着更高的分割准确率。本文提出了一种全新的基于强度图的中央凹定位算法。对于一副眼底断层图像,首先计算图像横向最短路径以上200像素区域的强度图,然后采用一种迭代的多项式曲线拟合算法获得强度图的拟合曲线,最后通过中央凹的量化特征定位中央凹的位置。该算法可以拓展到三维情况。通过对大量数据(128×3副OCT图像)做实验,我们发现算法的定位准确率可以达到95%以上。需要特别提出的是,实验证实,如果对算法做适当修改,该算法就可以应用于视神经盘的定位。为了实现层分割,本文算法首先把血管影响区域和非血管影响区域分开;然后为了在保持边界信息的条件下去噪,本文在非血管影响区域使用双边滤波和中值滤波;最后结合Canny算子和梯度信息完成分割。由于0CT眼底图像中血管影响区域含有很少的层信息,这会影响后期的层分割。为了解决这个问题,本文提出了基于迭代的多项式曲线拟合算法分割血管影响区域。经过对实验结果的分析,我们发现当前使用的算法的分层数量较少,且准确率也不高,算法还有待改进。尽管如此,本文所做的研究为后续研究打下了良好的基础。

关键词： OCT 眼底图像处理血管网络中央凹层分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高效的医学眼底图像定位与配准的研究

高效的医学眼底图像定位与配准的研究

作者：高原上海交通大学

学位级别：硕士

医学眼底图像处理是目前最热门的医学与计算机科学结合的研究领域之一。眼底图像主要用于辅助临床医师检查视网膜出现的异常或病变，并能预测可能发生的早期糖尿病，因此眼底常常被眼科医生称为“检目镜”。一张由眼底照相机采集的典型... 详细信息

医学眼底图像处理是目前最热门的医学与计算机科学结合的研究领域之一。眼底图像主要用于辅助临床医师检查视网膜出现的异常或病变，并能预测可能发生的早期糖尿病，因此眼底常常被眼科医生称为“检目镜”。一张由眼底照相机采集的典型眼底图像包含视神经盘（OD）、视网膜血管、中央凹（fovea）等主要结构特征。本论文主要进行医学眼底图像视神经盘定位和配准的解决方案的研究，在对眼底图像处理技术进行系统研究的基础上，着重于研发兼顾高准确率和高效率的算法及系统，具有实际的应用价值。本文的主要工作如下。第一，对眼底图像视神经盘定位算法进行了详细研究，以线性算子作为特征识别模板构造三段式分类器，使用统一的极坐标圆形卷积核来增强定位识别能力，并使用下采样算法来优化算法效率，通过高灰阶局部直方图均衡化和区域分割来优化算法准确率。改进后的定位算法用于TopCon的眼底图库能获得94%的高准确率。第二，针对多模眼底图像的具体特征，基于互信息理论提出了一套高效配准的解决方案。利用本文提出的视神经盘定位技术来提取ROI作为配准输入，不仅巧妙地避免了彩色图像和IR图像特征差异过大造成的信息干扰，而且有效减少了计算规模，同时提高了眼底图像配准的效率和准确率。第三，使用多核CPU和GPU并行技术对算法进一步加速，取得了明显的效果。本文使用OpenCL作为异构并行计算平台，改进后的视神经盘定位算法执行速率高达0.05秒，加速比达到2636倍，满足实时处理的需求;配准速率也达到1.86秒，相对于通常配准算法几分钟甚至十几分钟的执行速率有了很大的提升。第四，实现了一个自动化的眼底图像处理系统，可以快速进行视神经盘定位和眼底图像配准。使用多级并行加速技术，可在各类硬件平台上正确运行，并做了相应性能优化，使得该软件系统具有很好的可移植性、鲁棒性和可用性。

关键词：眼底图像处理视神经盘定位多模图像配准并行计算 OpenCL

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

医疗图像的目标检测与分割研究

医疗图像的目标检测与分割研究

作者：徐佩园南京航空航天大学

学位级别：硕士

随着医学成像技术的发展,医学图像已成为医生诊断疾病的重要手段,因此,为了减轻医生的负担并降低疾病的诊断难度,对图像的自动处理和分析具有非常重要的意义。传统的医学图像处理算法严重依赖于人工设计的特征,而这类特征的设计比较复杂... 详细信息

随着医学成像技术的发展,医学图像已成为医生诊断疾病的重要手段,因此,为了减轻医生的负担并降低疾病的诊断难度,对图像的自动处理和分析具有非常重要的意义。传统的医学图像处理算法严重依赖于人工设计的特征,而这类特征的设计比较复杂,加上模型的泛化能力比较差,无法适应实际应用中由于成像条件和个体原因导致的图像间差异很大的情况。近年来,随着深度学习在计算机视觉、语音处理等领域取得的突破性的进展,越来越多的研究者开始将深度学习应用于医学图像的检测、分割、诊断等任务中。本文采用深度学习的算法实现医学图像中对目标的自动检测和分割的任务。本文的主要工作及创新点如下:首先,针对眼底图像中视盘检测的任务,设计了一个端到端的卷积神经网络模型。利用经过对应数据训练得到的模型对测试图像进行检测,得到包含视盘位置的概率图,之后加上阈值处理和计算重心的方式实现视盘最终的检测。从模型评估的结果中可以看出,本文设计的网络能够对各种类型的视网膜眼底图像实现对视盘快速、准确地检测,且在不同的数据集上具有很好的泛化性能,相比于同类算法有更好的效果。其次,对于眼底图像血管分割的任务,本文介绍了一种基于条件生成对抗网络的血管分割算法。在该任务中引入了多尺度的网络结构用于提取眼底图像中不同类型的血管,使该分割模型在具有明显特征的主血管部分和对比度较低、提取难度较大的血管分支上均能取得很好的效果。在模型评估阶段,通过多个在医学图像分割领域中广泛应用的评价指标对该模型进行评估,结果表明本文的方法相对于同任务的分割算法性能具有很大的提升,并在某些评价指标上能够接近医生分割的结果。另外,本文设计了一个级联的CNN(Convolutional Neural Networks,卷积神经网络)模型,可以实现对MRI(Magnetic Resonance Imaging,磁共振成像)的脑部胶质瘤进行准确、高效的分割。针对肿瘤的不同类型,在不同的维度上分别训练了对应的分割模型以提升综合的分割效果。针对3D医疗图像分割任务中图像尺寸较大,数据不平衡等问题,本文综合了3D和2D网络各自的优点,通过级联的方法在保证模型计算复杂度的情况下达到了一流的分割水平。此外,还通过相关的后处理操作如形态学处理、DenseCRF(Dense Conditional Random Field,稠密连接条件随机场)等,使模型的效果进一步得到提升。

关键词：医学图像目标检测目标分割深度学习眼底图像处理 MR图像处理

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算法研究与应用

基于深度学习的视网膜图像算法研究与应用

作者：王宜匡南京航空航天大学

学位级别：硕士

随着数字图像成像技术的发展,各类医学成像设备在医疗领域中得到广泛应用,医学图像逐渐成为医生诊断的重要依据。传统医学诊断过程需要医生在仔细观察患者病理图像之后给出诊断意见,一些病理特征较为复杂的医学图像分析占用医生大量的... 详细信息

随着数字图像成像技术的发展,各类医学成像设备在医疗领域中得到广泛应用,医学图像逐渐成为医生诊断的重要依据。传统医学诊断过程需要医生在仔细观察患者病理图像之后给出诊断意见,一些病理特征较为复杂的医学图像分析占用医生大量的时间和精力。因此,出于减轻医生负担和为医生诊断疾病提供辅助信息的角度考虑,对医学图像的自动化处理及分析具有重要临床意义。近年来,随着深度学习和机器学习不断地取得突破性的进展,计算机视觉和自然语言处理等领域已成为当下热门研究方向,越来越多的研究者将深度学习技术应用在医学图像的分类、检测和分割等任务中。本文以眼底图像作为研究目标,采用深度学习结合传统图像处理方法进行眼底图像的分类和分割任务研究。本文的主要工作及创新点如下:第一,在眼底图像中血管分割任务中,针对血管形状的多样性和分布不均衡性,提出了一种基于可变形卷积的视网膜血管分割算法MAU-Net,将基干网络U-Net编码器和解码器中的卷积替换为可变形卷积,增强模型对血管的特征提取能力。为了解决血管末梢分割能力不足的问题,引入双重注意力模块增加网络对高难度血管的关注度。从模型评估的结果中可以看出,本文设计的视网膜血管分割算法能够对眼底图像有效地进行血管分割,且在不同数据集上均有良好的泛化性能。第二,提出了一种改进U-Net的糖尿病性视网膜病变分割网络Res-UNet。为了解决U-Net网络在复杂医学图像场景下特征提取能力不足的问题,将U-Net网络的编码器替换为经典分类网络Res Net50,同时,在单一跳跃连接中引入空洞卷积传递更加丰富的上下文信息。在模型性能评估阶段,分别在公开数据集和本地数据集上验证本文方法的有效性,实验结果表明本文方法对糖尿病性视网膜图像中的三种主要病灶(视网膜出血、硬性渗出物和软性渗出物)具有良好的分割性能,同时,对比U-Net网络,提高了分割难度较高的病灶(微动脉瘤)的分割性能。实验结果验证了本文提出的糖尿病性视网膜病变分割网络的有效性。第三,设计并搭建了一个眼底疾病诊断平台。针对我国眼科医疗资源严重缺乏,医疗资源分布不均的问题,设计了一种常见眼底疾病筛查系统,使用Efficient Net网络训练常见眼底疾病分类模型,将算法模型部署至云服务器,提供在线眼底疾病诊断服务,同时,生成诊疗报告供医生和患者查看,建立和共享电子健康档案,实现快捷地远程转诊和会诊。眼疾病筛查系统可以在不用医生干预的情况下,自动对患者眼底图像的进行客观判断和分析并给出诊断意见和建议,具有高效、易于广泛推广等优点,能够有效地辅助眼科医生进行病情诊断。实验结果验证了眼底疾病诊断平台的有效性与可行性。

关键词：深度学习目标分割可变形卷积眼底图像处理视网膜血管分割糖尿病视网膜病变眼底疾病筛查系统

基于专家知识的白内障影像等级自动分类系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于专家知识的白内障影像等级自动分类系统研究

作者：杨美美北京邮电大学

学位级别：硕士

白内障是当前致盲的主要疾病之一。有研究指出,全世界低视力人群中,有一半患有白内障疾病。而眼底图像是诊断白内障疾病的一个重要参考依据。眼底图像的分类主要包括图像预处理、特征提取和分类器三部分。本文中将眼底图像经过提取RGB... 详细信息

白内障是当前致盲的主要疾病之一。有研究指出,全世界低视力人群中,有一半患有白内障疾病。而眼底图像是诊断白内障疾病的一个重要参考依据。眼底图像的分类主要包括图像预处理、特征提取和分类器三部分。本文中将眼底图像经过提取RGB彩色空间的G通道图像,改进的高低帽变换来增强图像,三边滤波器对图像进行去噪和最大类间方差法对图像进行了相应的预处理。本文中,提出了两种对白内障眼底图像自动分类的方法,一个是基于纹理的分类方法,另一个是基于PCA+LDA的分类方法。基于纹理的分类方法采用的是BP神经网络分类器,基于PCA+LDA的分类方法采用的是最小距离分类器。最终眼底图像被分成了正常眼底、轻度白内障眼底图像、中度白内障眼底图像和重度白内障眼底图像。实验结果表明,两种分类器的正确率都能达到80%。

关键词：眼底图像处理白内障改进的高低帽变换三边滤波器神经网络 PCA LDA