检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向失衡样本的视网膜层分割和水肿分割研究

面向失衡样本的视网膜层分割和水肿分割研究

作者：杨佳东南京理工大学

学位级别：硕士

频域光学相干断层技术(SD-OCT)具有无侵入性、成像速度快、图像分辨率高等特点,对医学成像具有重要意义,成为眼科医生诊断眼底疾病的重要工具。然而,在医学处理任务中,数据集常常会呈现出不平衡分布,类别不平衡的数据集会使模型性能受... 详细信息

频域光学相干断层技术(SD-OCT)具有无侵入性、成像速度快、图像分辨率高等特点,对医学成像具有重要意义,成为眼科医生诊断眼底疾病的重要工具。然而,在医学处理任务中,数据集常常会呈现出不平衡分布,类别不平衡的数据集会使模型性能受到影响,降低模型的鲁棒性。本文基于深度学习方法,围绕不平衡SDOCT图像分割任务,研究了视网膜层鲁棒分割算法、弱监督的视网膜水肿分割等问题。本文的工作总结如下:(1)提出了一种鲁棒视网膜层分割算法。我们设计了一种基于交叉一致性损失的半监督训练策略,同时,针对视网膜SD-OCT图像的生理结构分布,采用了基于拼图恢复的自监督训练策略,在拼图恢复的过程中让网络可以关注到视网膜的层边缘信息及视网膜的层拓扑结构。通过对比实验结果表明,我们的方法比经典全监督方法更具鲁棒性,且比现有的半监督方法分割性能更优;同时,我们证明了引入OCTA模态数据对模型性能的提升,以及不同拼图恢复策略对模型结果的影响。最后得出结论:我们提出的视网膜层分割算法性能优于现有网络,且在一定程度上可以提升网络在病变视网膜图像上分割结果的鲁棒性。(2)提出了一种视网膜SD-OCT图像弱监督水肿分割算法。该算法基于异常检测的思想,仅在正常视网膜图像上训练,之后在水肿图像上测试。由于水肿区域往往和层分割结果的鲁棒性有着较强的相关性,本算法借助层分割结果来完成水肿分割,通过引入不确定度估计来衡量视网膜层分割结果的鲁棒性,进而判断视网膜水肿区域,并通过区域性标准差来提高模型性能,采用膨胀腐蚀等后处理进一步优化水肿分割结果。对比实验结果表明本章算法在分割结果上有较大优势。消融实验结果表明,采用的区域标准差和膨胀腐蚀操作对提高分割结果区域连续性均具有积极作用。

关键词：频域光学相干断层技术不平衡数据视网膜层分割水肿分割图像分割

基于卷积神经网络和图搜索的OCT图像视网膜层分割研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络和图搜索的OCT图像视网膜层分割研究

作者：沈彬伟湘潭大学

学位级别：硕士

视网膜病变是一种常见的眼科疾病,严重危害着人类的视觉感官系统。随着人们年龄的增长,视网膜病变的发病率逐渐升高,越来越受到广大研究者的关注。临床研究表明,许多疾病都会引起视网膜厚度发生变化,甚至会使得视网膜的某一细胞层消失... 详细信息

视网膜病变是一种常见的眼科疾病,严重危害着人类的视觉感官系统。随着人们年龄的增长,视网膜病变的发病率逐渐升高,越来越受到广大研究者的关注。临床研究表明,许多疾病都会引起视网膜厚度发生变化,甚至会使得视网膜的某一细胞层消失。光学相干断层扫描(Optical coherence tomography,OCT)成像技术能够清晰的呈现视网膜的各个细胞层,医生可以通过观察视网膜层发生的这些细微变化来对疾病进行诊断,而OCT图像视网膜层的精确分割是开展疾病诊断的重要前提和保障。由于某些视网膜层的边界对比度较低,并且疾病可能引起视网膜层形变,因此视网膜层分割仍然具有很大的挑战。为了更加精确的分割视网膜层,本文采用先进的深度学习网络模型,深入开展OCT图像视网膜层分割研究,提出了两种基于卷积神经网络和图搜索的视网膜层分割方法,主要工作如下:1)本文提出了一种多尺度卷积神经网络(Multiscale convolutional neural network,MCNN),在传统的CIFAR网络中融入了多尺度特征信息,旨在提取更加有鉴别力的综合特征来识别视网膜层边界,得到较为精确的概率图。同时,为了降低与边界较相似的背景像素被判别为边界的概率,本文在采样时对背景像素融入了位置信息。另外,考虑到视网膜层的水平特性,本文改进了图搜索的图模型,将原本的八邻域无向图改为三邻域有向图,有效的去除了大量冗余信息,提高了图搜索的检测效率。2)本文提出了一种空间金字塔网络(Spatial pyramid network,SP-Net),用来提取多尺度下的特征信息,得到粗分割结果。由于OCT图像中视网膜层像素和背景像素比例失衡,网络偏向于对数量较多样本的学习。为了使网络加强对视网膜层的学习,本文加大了视网膜层区域的损失权重,以强调网络对视网膜层的学习。另外,考虑到网络直接得到的分割结果存在边界断层或者孔洞等缺陷,本文使用图搜索算法平滑分割结果。3)本文使用多种评价指标,在两个公开的数据集上对提出的方法从多个角度进行了性能评估,并且本文将两种算法的实验结果与当前主流的多种方法进行了比较。实验结果表明本文提出的方法优于大多数主流方法,不但获得了最高的数值结果,而且获得了清晰的视觉分割结果。

关键词： OCT图像视网膜层分割卷积神经网络图搜索

基于RAU-net的视网膜OCT图像快速自动分层研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

华南师范大学学报（自然科学版） 2021年第2期53卷 1-6页

作者：曾兴晖许祥丛李晓王茗祎钟俊平熊红莲佛山科学技术学院机电工程与自动化学院佛山528225 佛山科学技术学院物理与光电工程学院佛山528225

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块... 详细信息

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习.由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像.结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s.通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法.

关键词：视网膜层分割残差块注意力门 U-net 图像搜索

基于曲线群匹配的OCT眼底图像分割方法研究

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

基于曲线群匹配的OCT眼底图像分割方法研究

作者：段汶君山东师范大学

学位级别：硕士

大量研究显示视网膜各层组织的厚度与不同眼部疾病的严重程度具有良好的相关性,眼底视网膜各层组织结构厚度的变化能够提供相关疾病的有用诊断信息。光学相干断层扫描(OCT)眼底视网膜图像的各层分割技术在医学图像处理领域是长期被广泛... 详细信息

大量研究显示视网膜各层组织的厚度与不同眼部疾病的严重程度具有良好的相关性,眼底视网膜各层组织结构厚度的变化能够提供相关疾病的有用诊断信息。光学相干断层扫描(OCT)眼底视网膜图像的各层分割技术在医学图像处理领域是长期被广泛关注的问题,该问题的研究成果对于测量视网膜层厚度具有重要意义。目前,人工手动分割光学相干断层扫描眼底图像的视网膜层在眼科临床实践中仍占主导地位,该过程费时费力,而且主观性强、重复性差,严重影响临床诊断的效率和准确性。大多数基于计算机辅助的视网膜层分割技术都需要首先提取待分割层的相关特征,根据提取的特征进行图像分割,从操作方式上来说主要分为全自动分割和半自动分割两种。虽然计算机辅助分割技术能够提供可重复的,定量的和客观的结果,并且还能减少人工描绘视网膜层所需的时间和精力,但是,目前流行的算法过于依赖图像各层结构本身的特征,只能分割与训练集图像上提取的层状特征及其相似的视网膜层,算法鲁棒性差,无法分割特征差异较大或者特征完全不同的视网膜层。本文基于OCT眼底视网膜图像成像原理提出了利用曲线群匹配进行视网膜层分割的思想,基于该思想将不同视网膜层分割的过程统一为同一框架。这一分割模型在不需要提取任何层状结构特征的情况下就能够分割任意视网膜层,并且不需要任何形式上的调整就能够实现所有视网膜图像上层状病变结构的分割。实验证明,该分割方法在各种各样的实际应用中都有潜在的应用价值,尤其在OCT眼底图像分割领域,该模型从精确性和分割任何视网膜层的能力来说都是独一无二的。本文的主要研究和贡献有以下几点:1)本文首次提出曲线群匹配的概念,并将该思想应用到OCT眼底图像分割领域。由于同一OCT眼底视网膜图像每一列灰度值变化由上到下对应的组织结构一致,因此所有灰度变化对应的灰度值曲线形状是相似的。将灰度变化曲线作为切入点进行图像分割,为传统OCT眼底图像分割方法提供更多可能性。2)基于曲线群匹配的思想提出基于曲线群匹配的OCT眼底图像分割模型,该模型能够在不进行任何额外调整的情况下手动指定任何视网膜边界点进行视网膜层分割,不仅可以分割正常视网膜包含的所有层状结构,而且可以分割任意疾病产生的层状病变结构。3)该模型中提出的曲线群联合优化模型,不仅能够去除曲线分组匹配过程中产生的冗余匹配结果,提高分割效率,而且能够有效的纠正成对匹配过程中产生的误差,进一步提高了分割结果的精确度。4)将上述基于曲线群匹配的OCT眼底图像分割模型的应用从二维图像扩展至三维曲面,介绍了三维曲面下,OCT眼底图像层状曲面分割的分割策略。

关键词：光学相干断层扫描(OCT) 视网膜层分割曲线匹配曲线群联合优化

基于DPNet的视网膜OCT图像分层方法研究

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DPNet的视网膜OCT图像分层方法研究

作者：陈建旭天津工业大学

学位级别：硕士

视网膜疾病是一种常见的眼科疾病,严重危害着人们的健康。临床研究表明,视网膜疾病的发生会引起视网膜厚度的变化,严重时甚至会导致某一视网膜层消失。光学相干断层扫描(Optical coherence tomography,OCT)成像技术能够清晰地显示多个... 详细信息

视网膜疾病是一种常见的眼科疾病,严重危害着人们的健康。临床研究表明,视网膜疾病的发生会引起视网膜厚度的变化,严重时甚至会导致某一视网膜层消失。光学相干断层扫描(Optical coherence tomography,OCT)成像技术能够清晰地显示多个视网膜细胞层以及一些视网膜疾病的生物标志物,准确地分割视网膜OCT图像中的组织层可以辅助医生对各类疾病进行诊断与筛查。由于视网膜层边界对比度较低,病变还可能会引起视网膜层形变,因此传统的分割方法误差较大,视网膜层分割面临着巨大的挑战。本文以精确分割视网膜层为目标,深入研究了基于深度学习的视网膜OCT图像分层方法。为了实现视网膜OCT图像中视网膜层的精确分割,本文设计了一种结合双重注意力机制(Dual attention mechanism,DA)和金字塔池化模块(Pyramid pooling module,PPM)的语义分割网络DPNet。针对视网膜OCT图像中视网膜层边界对比度较低以及病变导致的视网膜层形变的问题,DPNet首先采用双重注意力模块来对基础网络提取到的特征进行重新加权,使网络能够更多地关注视网膜层边界处的重要特征;然后又采用金字塔池化对加权后的特征进行多尺度的处理,来获得更丰富的全局信息;最后,将不同高低层次的信息进行特征融合,来增强上下文的语义关联。DPNet所采用的双重注意力模块是由一个位置注意力模块和一个通道注意力模块以对偶的形式组成的,其中位置注意力模块根据所有位置特征的相似程度来选择性地聚合每个位置的特征,通道注意力模块则通过整合所有通道之间的相关特征来选择性地强调存在相互依赖的通道映射,双重注意力模块将两个模块输出后的特征进行聚合,增强特征表示。实验结果表明,采用本文设计的DPNet模型能够有效地分割正常视网膜OCT图像和包含AMD病变的视网膜OCT图像中的视网膜层,对于对比度较低和发生形变的视网膜层也有较好的分割效果,在本文制作的数据集上获得了较高的准确率,MIo U值可达87.44%。此外,本文还验证了所加入的双重注意力模块和金字塔池化模块的有效性。

关键词：视网膜疾病视网膜OCT图像视网膜层分割双重注意力机制金字塔池化

融合先验知识和神经网络的医学图像分割算法研究及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合先验知识和神经网络的医学图像分割算法研究及应用

作者：孙悦济南大学

学位级别：硕士

精确的医学图像分割结果对于疾病辅助诊断和人类器官组织发育模式等研究有重要的作用。近来的研究表明某些疾病会同时对视网膜和脑组织产生不同程度的影响,基于视网膜和脑图像的组织精确分割结果是对其量化分析的前提,因此,如何获得精... 详细信息

精确的医学图像分割结果对于疾病辅助诊断和人类器官组织发育模式等研究有重要的作用。近来的研究表明某些疾病会同时对视网膜和脑组织产生不同程度的影响,基于视网膜和脑图像的组织精确分割结果是对其量化分析的前提,因此,如何获得精确的分割结果并共同研究分析引起了国内外研究者们的兴趣。然而,医学图像分割任务中目标组织结构都比较复杂,容易受病变影响发生拓扑形变,并且伴随着强度对比度低、边缘模糊等特点,这对自动分割算法的性能提出了挑战。融合先验知识能够很好地指导医学图像分割,但目前存在的方法缺乏与先验知识的结合或者结合程度有限。因此,如何将先验知识与神经网络相结合获得准确的医学图像分割结果是值得研究的课题。本文针对医学图像的自动精确分割问题,研究了如何对不同的分割目标有效地构建先验知识引导,并将其应用在视网膜和脑图像分割任务中。论文的主要工作总结如下:（1）提出了一种基于耦合概率水平集和视网膜结构先验知识的全自动分割框架,精确地检测未知状态下的视网膜层边界。首先采用卷积神经网络模型得到视网膜层的粗糙分割结果,然后通过融合视网膜层预定义顺序和自适应层厚度约束等先验知识,构造了耦合概率水平集函数来得到最终分割结果。为了处理不同状态的视网膜图像,本文进一步设计了视网膜层分割框架,利用强度似然和厚度变化来检测视网膜层中积液是否存在,自动地选择应用全局或局部的强度表征项。实验表明提出的方法可以成功地用于不同病理状态的视网膜层边界检测。（2）提出了一种基于多尺度自监督学习和脑结构先验知识的分割方法,自动分割带有伪影的多域脑图像。在训练阶段,首先利用下采样图像对分割模型进行训练,以减少原始图像中伪影造成的影响,同时训练一个基于原始空间的分割模型得到组织概率图。然后将分割结果上采样到原始空间中,建立全局解剖指导图融合先验知识。最后将组织概率图和全局解剖指导图作为输入训练最终的分割模型。在测试阶段,提出了迭代自监督学习策略提升分割结果的精度,即从测试样本中选取一组可靠的样本来训练针对此站点的分割模型。实验表明,所提出的方法可以有效地避免伪影带来的影响,得到精确的脑组织分割结果,其性能超过了三种目前广泛应用于脑图像分割的方法。

关键词：医学图像分割神经网络先验知识水平集函数视网膜层分割脑组织分割

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

视网膜相干光断层成像图像中的分层算法研究

视网膜相干光断层成像图像中的分层算法研究

作者：付天宇武汉科技大学

学位级别：硕士

光学相干断层扫描(OCT)是一种高分辨率、非侵入性成像方式,因为这些优点,其已成为最常用的眼科诊断成像技术之一。许多疾病可引起眼病,例糖尿病性黄斑水肿(DME)等均可能导致视网膜层的解剖结构变化,如果不进行治疗,这些疾病可能会导致... 详细信息

光学相干断层扫描(OCT)是一种高分辨率、非侵入性成像方式,因为这些优点,其已成为最常用的眼科诊断成像技术之一。许多疾病可引起眼病,例糖尿病性黄斑水肿(DME)等均可能导致视网膜层的解剖结构变化,如果不进行治疗,这些疾病可能会导致眼睛失明。因此,监测患者视网膜层形态变化和液体积聚是很重要的,在这个问题中,视网膜层和液体区的分割是检测其变化的一个重要步骤。然而,手工分割通常是一个耗时且主观的过程,针对这个问题,研究者们提出了许多半自动化、自动化的分割方法。由于视网膜层的变形和液体的积聚,使得OCT图像中的视网膜层和液体区域分割是一项具有挑战性的任务。在此背景下,本文分别针对单独视网膜层分割和视网膜层与液体区联合分割提出了基于深度学习的分割算法。通常,OCT B扫描图像可能包含噪声,并且不同层之间的对比度可能不明显,此外,视网膜层变形的存在使得手工特征的设计变得困难。因此,针对带病变的视网膜层的分割,本文中第三章提出的方法使用深度残差网络来提取图像中具有辨别性的特征,并结合手工设计的特征作为图像特征最终特征,用其来训练一个计算效率高的结构化随机森林对视网膜层边缘和背景进行分类,最终结合最短路径来进行视网膜边界的精确定位。实验结果表明,此方法取得了良好的效果。针对视网膜层和液体区的联合分割问题,研究者们已经提出了很多基于机器学习的分割方法,它们都依赖于大量的像素级标注数据,但是采集大量图像数据比较简单而手工标注比较困难。本文第四章提出了一种新的半监督基于全卷积神经网络算法来分割视网膜OCT B扫描图像中的视网膜层和液体区域。本方法通过对抗性学习策略来利用无标签的数据,并用一个新的联合损失函数来进行优化。本方法在杜克大学公布的糖尿病黄斑水肿(DME)数据集与POne数据集上进行了研究,实验结果表明,鉴别网络和无标签数据的使用可以提高分割的性能,并且本方法比其它先进的OCT图像中的层和液体分割方法更有效。

关键词：图像处理视网膜层分割深度学习卷积神经网络对抗学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

视网膜病变相干光断层成像中的分割算法研究

视网膜病变相干光断层成像中的分割算法研究

作者：刘东武汉科技大学

学位级别：硕士

糖尿病是一种慢性疾病,其可导致视网膜层变形和液体的积聚,并且会增加失明的风险,而相干光断层成像(Optical Coherence Tomography,OCT)具有高分辨率、非侵入性等优点,是最常用的眼科诊断糖尿病技术之一。在视网膜OCT图像上进行视网膜... 详细信息

糖尿病是一种慢性疾病,其可导致视网膜层变形和液体的积聚,并且会增加失明的风险,而相干光断层成像(Optical Coherence Tomography,OCT)具有高分辨率、非侵入性等优点,是最常用的眼科诊断糖尿病技术之一。在视网膜OCT图像上进行视网膜层结构和液体区域的分割是监测糖尿病患者视网膜结构变换的一个重要步骤,然而,手工进行分割通常是一个耗时且主观的过程。由于视网膜层的变形和液体的积聚,使得OCT图像中的视网膜层和液体区域分割是一项具有挑战性的任务。本文分别针对病变图像中视网膜层结构分割以及病变图像中视网膜液体区域分割做出研究。针对病变图像中视网膜层结构分割问题,本文提出带回溯的改进最短路径算法进行病变层结构分割。该方法首先联合灰度、梯度、Gabor三种权重进行权重图计算,然后定义方向一致性损失动态约束决定算法传播方向,最后使用回溯的思想替代传统最短路径算法中计算累计代价的方式避免了短路的问题。实验结果表明,本文的方法相比其他分割方法取得了更好的效果。针对病变图像中视网膜液体区域分割问题,本文进提出了两种分割方法:基于块的CNN分割方法与基于改进的U-NET分割方法。基于块的CNN分割方法将分割问题转为二分类问题,训练基于块的CNN神经网络结构进行像素分类,实验结果表明该方法分割结果优于传统阈值分割方法以及K聚类方法。第一种方法中存在将多块液体区域分割成一个整体的问题。因此,提出第二种基于改进的U-NET分割方法。该方法中引入注意力机制进行液体区域的自动学习定位,同时,使用密集跨越连接联合高层次与低层次的特征,使得分割结果更精确,此外,在损失中使用联合损失,包括交叉熵损失,dice损失以及回归损失,其中使用回归损失来避免多个液体区域分割成一个整体的问题。实验结果表明,本文方法不仅可以适应多种成像扫描设备获取的OCT扫描图完成分割,同时提出的方法也有更高的分割精度。

关键词：图像处理视网膜层分割视网膜液体分割最短路径卷积神经网络 OCT