基于深度学习的糖尿病视网膜病变图像识别研究
这是一篇关于糖尿病性视网膜病变,视网膜血管图像分割,残差注意力,多尺度空洞卷积,迁移学习的论文, 主要内容为糖尿病性视网膜病变(Diabetic Retinopathy,DR)是一种由糖尿病引起的视网膜疾病,全球范围内有大量的人因为DR导致失明,为了延缓或避免视力恶化和视力丧失,早期发现和治疗DR是必要的。目前,基于深度学习的眼底图像分析及眼部疾病检测技术被广大的学者研究及关注。医生通过观察眼底血管的弯曲度、长度、宽度、分叉等特征来对患者进行DR诊断;对DR进行分级可以让病人更清楚地了解自己的病情,以便更好地配合医生的治疗建议。然而,视网膜血管图像分割和DR分级对医务人员要求很高,而且耗时耗力。因此,利用深度学习技术实现自动分割视网膜血管图像和分类DR对于临床诊断具有重大意义。本文主要研究内容如下:1.针对传统视网膜血管图像分割网络随着网络深度加深导致微小特征信息丢失,网络分割灵敏度低的问题,设计了一种以残差通道注意力(Residual Channel Attention,RCA)模块和多尺度空洞卷积(Multi-scale Dilated Convolution,MDC)模块为基础特征提取模块的网络用于眼底血管图像分割,网络中特征图的最大通道层数只有64层,特征图尺寸减半和反卷积操作都只有两次,能够减少特征图尺寸变化带来的信息丢失现象。整个网络权重参数仅有7.2MB,所提方法在DRIVE和CHASE-DB1数据集上进行测试的准确性分别为96.85%和97.39%,灵敏度分别为84.03%和86.50%。2.为了满足手持式眼底相机的存储容量以及在DR筛查过程中对于提高筛查速度的要求,使用RCA-MDC轻量网络作为DR二分类的特征提取器,将每层通道数增加一倍,改变其输出结构,将预处理后的眼底图像送入到网络中进行特征提取,然后将提取到的特征送入到本文设计多层感知机(Multi-Layer Perceptron,MLP)中进行二分类,实验结果表明网络的二分类准确度达到了95.82%,整个网络权重参数只有17.3MB,这相较于使用VGG等经典网络利用迁移学习进行二分类所得到的精确度相差不到1.5%,但是权重参数不到这些经典网络权重的十分之一。考虑到医生可以通过眼底图像中的血管形状来判断病人是否患有糖尿病视网膜病变,本文将预先分割出来的眼底图像也送入到RCA-MDC轻量网络进行特征提取,然后将两种输入所获得的特征进行融合后送入到设计的多层感知机(MLP)中进行DR二分类,实验结果表明,双通道输入的网络二分类准确度达到了96.36%。3.在台式眼底照相机上集成DR五分类功能并不会受限于处理速度以及硬件的成本。由于轻量型网络无法满足DR五分类的应用要求,为了实现DR五分类为糖尿病的管理提供更加全面和个性化的支持,从而降低病变的风险和糖尿病的治疗成本。利用迁移学习的相关技术将Image Net数据集上训练好的深度神经网络模型参数迁移到自己的神经网络模型中,然后在此基础上进行特征提取和分类。设计了一个基于Efficient Net B7、Xception网络和通道注意力模块为特征提取器的DR五分类网络,用于解决DR病变的五分类问题。实验结果表明,本文网络在APTOS测试集上获得的DR五分类准确度达到了84.73%。本文设计了一个轻量的RCA-MDC网络实现了视网膜血管图像的精确分割,并利用RCA-MDC网络实现了DR二分类辨别眼底图像是否患有疾病。为了实现DR五分类的功能,用迁移学习的相关技术将Image Net数据集上训练好的深度神经网络模型参数迁移到自己的神经网络模型中,然后在此基础上进行特征提取和分类。设计了一个基于Efficient Net B7、Xception网络和通道注意力模块为特征提取器的DR五分类网络,用于解决DR病变的五分类问题。
基于深度学习的糖尿病视网膜病变图像识别研究
这是一篇关于糖尿病性视网膜病变,视网膜血管图像分割,残差注意力,多尺度空洞卷积,迁移学习的论文, 主要内容为糖尿病性视网膜病变(Diabetic Retinopathy,DR)是一种由糖尿病引起的视网膜疾病,全球范围内有大量的人因为DR导致失明,为了延缓或避免视力恶化和视力丧失,早期发现和治疗DR是必要的。目前,基于深度学习的眼底图像分析及眼部疾病检测技术被广大的学者研究及关注。医生通过观察眼底血管的弯曲度、长度、宽度、分叉等特征来对患者进行DR诊断;对DR进行分级可以让病人更清楚地了解自己的病情,以便更好地配合医生的治疗建议。然而,视网膜血管图像分割和DR分级对医务人员要求很高,而且耗时耗力。因此,利用深度学习技术实现自动分割视网膜血管图像和分类DR对于临床诊断具有重大意义。本文主要研究内容如下:1.针对传统视网膜血管图像分割网络随着网络深度加深导致微小特征信息丢失,网络分割灵敏度低的问题,设计了一种以残差通道注意力(Residual Channel Attention,RCA)模块和多尺度空洞卷积(Multi-scale Dilated Convolution,MDC)模块为基础特征提取模块的网络用于眼底血管图像分割,网络中特征图的最大通道层数只有64层,特征图尺寸减半和反卷积操作都只有两次,能够减少特征图尺寸变化带来的信息丢失现象。整个网络权重参数仅有7.2MB,所提方法在DRIVE和CHASE-DB1数据集上进行测试的准确性分别为96.85%和97.39%,灵敏度分别为84.03%和86.50%。2.为了满足手持式眼底相机的存储容量以及在DR筛查过程中对于提高筛查速度的要求,使用RCA-MDC轻量网络作为DR二分类的特征提取器,将每层通道数增加一倍,改变其输出结构,将预处理后的眼底图像送入到网络中进行特征提取,然后将提取到的特征送入到本文设计多层感知机(Multi-Layer Perceptron,MLP)中进行二分类,实验结果表明网络的二分类准确度达到了95.82%,整个网络权重参数只有17.3MB,这相较于使用VGG等经典网络利用迁移学习进行二分类所得到的精确度相差不到1.5%,但是权重参数不到这些经典网络权重的十分之一。考虑到医生可以通过眼底图像中的血管形状来判断病人是否患有糖尿病视网膜病变,本文将预先分割出来的眼底图像也送入到RCA-MDC轻量网络进行特征提取,然后将两种输入所获得的特征进行融合后送入到设计的多层感知机(MLP)中进行DR二分类,实验结果表明,双通道输入的网络二分类准确度达到了96.36%。3.在台式眼底照相机上集成DR五分类功能并不会受限于处理速度以及硬件的成本。由于轻量型网络无法满足DR五分类的应用要求,为了实现DR五分类为糖尿病的管理提供更加全面和个性化的支持,从而降低病变的风险和糖尿病的治疗成本。利用迁移学习的相关技术将Image Net数据集上训练好的深度神经网络模型参数迁移到自己的神经网络模型中,然后在此基础上进行特征提取和分类。设计了一个基于Efficient Net B7、Xception网络和通道注意力模块为特征提取器的DR五分类网络,用于解决DR病变的五分类问题。实验结果表明,本文网络在APTOS测试集上获得的DR五分类准确度达到了84.73%。本文设计了一个轻量的RCA-MDC网络实现了视网膜血管图像的精确分割,并利用RCA-MDC网络实现了DR二分类辨别眼底图像是否患有疾病。为了实现DR五分类的功能,用迁移学习的相关技术将Image Net数据集上训练好的深度神经网络模型参数迁移到自己的神经网络模型中,然后在此基础上进行特征提取和分类。设计了一个基于Efficient Net B7、Xception网络和通道注意力模块为特征提取器的DR五分类网络,用于解决DR病变的五分类问题。
糖尿病及其视网膜病变信息共享系统的设计与实现
这是一篇关于糖尿病,糖尿病性视网膜病变,信息共享系统,MVC,SSH的论文, 主要内容为在信息化高度普及的今天,借助计算机网络对医疗信息进行集成与管理,已成为医疗信息化领域的一大趋势。尤其是近几年,各种医疗信息管理系统层出不穷,但专门针对糖尿病及糖尿病性视网膜病变系统化防治的研究在国内仍处于探索阶段。本文针对我国的人口基数大,糖尿病及糖尿病性视网膜病变的发病率高且不可根治、管理周期长的特点,以及当前糖尿病及糖尿病性视网膜病变患者疏于管理,患者发生严重的视功能损害才就医,而病人信息数据又不易统计与分析的这种被动诊治模式的弊端,在充分调研糖尿病性视网膜病变治疗与管理过程中医生和患者不同需求的基础上,结合本论文支撑项目《成都市糖尿病及糖尿病性视网膜病变网络防治平台建设》,提出了搭建糖尿病-糖网病信息共享系统的解决方案。即采用当前主流的B/S模式,以Tomcat作为Web服务器,由基于Java EE架构的SSH框架技术来完成系统的开发,在DBMS的选择上使用开源的MySQL数据库。SSH作为当前流行的开发框架,以MVC思想分层,将一个Web应用清晰地划分为表示层、业务层、持久层3个层次。而且每个层都有自己明确的责任,表示层Struts2负责视图展现及控制转向等；业务层Spring负责业务逻辑的处理；持久层Hibernate负责封装访问数据库的一系列操作。各个层之间在功能上相互分离,以通信接口联系。这种经典的分层模型,不仅降低了系统各模块之间的耦合度,还为系统的扩展与维护带来了很大的便利。本文首先对糖尿病、糖尿病性视网膜病变、医疗信息化等项目相关背景做了简要介绍。然后从技术、操作、经济、社会等方面对项目需求做了可行性分析,初步拟定了系统的实施方案。其次,依据项目需求分析及初步设计方案,完成了对系统数据库的分析与设计。最后,在介绍系统开发所用的相关技术及原理的基础上,完成了系统总体设计及详细功能的设计实现。在论文的最后,以界面展示的形式,对糖尿病-糖网病信息共享系统做了功能性测试。并对本论文所做的工作进行了简要的总结,对系统的进一步应用扩展做了说明与展望。本文系统不仅可以对糖尿病及糖网病的防治进行有效管理,而且可以为相关的卫生策略研究、流行病学研究、临床研究等提供系统资料；无论从社会效益还是经济效益方面来讲,本文的研究成果都具有非常重大的意义。
基于深度推理网络的眼底视网膜病变分级方法
这是一篇关于糖尿病性视网膜病变,眼底图像分级,Transformer,推理分级的论文, 主要内容为在眼底筛查中,糖尿病视网膜病变(Diabetic Retinopathy,DR)自动分级的准确性对于DR的早期发现和干预至关重要。现有方法对DR分级不准确,尤其是对轻度眼底图像的分级判断不准确。这是因为微动脉瘤作为轻度眼底图像的主要判断依据之一,尺寸极小,导致误检率和漏检率非常高。同时,传统的卷积神经网络结构缺乏全局推理和综合分析的能力,不能根据眼底图像中病灶的情况准确推理出分级结果。针对这些问题,本文研究内容包括三个方面:(1)使用切片分组-区域增大的数据增强策略对图像进行放大,来解决微动脉瘤体积小难以检测的问题。同时,加入微动脉瘤上下文信息来解决微动脉瘤和毛细血管混淆的问题。实验结果表明,这两种策略显著提升了微动脉瘤的检测效果。(2)提出了一种基于Transformer的双路径推理网络Dformer。Dformer的设计受到医生工作方式的启发,它根据前期定位的病灶实现DR病变推理分级。特别的,该网络可以根据检测网络发现病灶的初步线索从几何特征和外观特征推断DR分级。本文还设计了两条路径之间的交换连接,以更好地整合学习到的权重。本文所提出的方法可以更好地识别早期轻度眼底图像,从而提高DR多分级的准确性。在公开的DDR数据集和Messidor-1数据集上实验结果表明,Dformer对正常眼底图像和轻度眼底图像二分级的准确率提高了18.16%,DR多分级准确率提高了1.93%。消融实验和可视化分析的结果表明Dformer可以关注到图像中的病变,并根据病灶情况正确的推断出DR所处级别。(3)带病灶标注的眼底图像需要专业眼科医生标注而导致难以大量获取,因此限制了(2)的适用场景。针对上述问题,本文使用Layer CAM弱监督的方法来粗略获取病灶的位置,然后通过Transformer对Layer CAM发现的病灶线索推理进行DR分级。本文提出的方法在只需要图像级别标签的情况下DR多分级准确率相比于Res Net50提升了2%,并且能够提供可靠的DR分级依据。
糖尿病及其视网膜病变信息共享系统的设计与实现
这是一篇关于糖尿病,糖尿病性视网膜病变,信息共享系统,MVC,SSH的论文, 主要内容为在信息化高度普及的今天,借助计算机网络对医疗信息进行集成与管理,已成为医疗信息化领域的一大趋势。尤其是近几年,各种医疗信息管理系统层出不穷,但专门针对糖尿病及糖尿病性视网膜病变系统化防治的研究在国内仍处于探索阶段。本文针对我国的人口基数大,糖尿病及糖尿病性视网膜病变的发病率高且不可根治、管理周期长的特点,以及当前糖尿病及糖尿病性视网膜病变患者疏于管理,患者发生严重的视功能损害才就医,而病人信息数据又不易统计与分析的这种被动诊治模式的弊端,在充分调研糖尿病性视网膜病变治疗与管理过程中医生和患者不同需求的基础上,结合本论文支撑项目《成都市糖尿病及糖尿病性视网膜病变网络防治平台建设》,提出了搭建糖尿病-糖网病信息共享系统的解决方案。即采用当前主流的B/S模式,以Tomcat作为Web服务器,由基于Java EE架构的SSH框架技术来完成系统的开发,在DBMS的选择上使用开源的MySQL数据库。SSH作为当前流行的开发框架,以MVC思想分层,将一个Web应用清晰地划分为表示层、业务层、持久层3个层次。而且每个层都有自己明确的责任,表示层Struts2负责视图展现及控制转向等；业务层Spring负责业务逻辑的处理；持久层Hibernate负责封装访问数据库的一系列操作。各个层之间在功能上相互分离,以通信接口联系。这种经典的分层模型,不仅降低了系统各模块之间的耦合度,还为系统的扩展与维护带来了很大的便利。本文首先对糖尿病、糖尿病性视网膜病变、医疗信息化等项目相关背景做了简要介绍。然后从技术、操作、经济、社会等方面对项目需求做了可行性分析,初步拟定了系统的实施方案。其次,依据项目需求分析及初步设计方案,完成了对系统数据库的分析与设计。最后,在介绍系统开发所用的相关技术及原理的基础上,完成了系统总体设计及详细功能的设计实现。在论文的最后,以界面展示的形式,对糖尿病-糖网病信息共享系统做了功能性测试。并对本论文所做的工作进行了简要的总结,对系统的进一步应用扩展做了说明与展望。本文系统不仅可以对糖尿病及糖网病的防治进行有效管理,而且可以为相关的卫生策略研究、流行病学研究、临床研究等提供系统资料；无论从社会效益还是经济效益方面来讲,本文的研究成果都具有非常重大的意义。
糖尿病及其视网膜病变信息共享系统的设计与实现
这是一篇关于糖尿病,糖尿病性视网膜病变,信息共享系统,MVC,SSH的论文, 主要内容为在信息化高度普及的今天,借助计算机网络对医疗信息进行集成与管理,已成为医疗信息化领域的一大趋势。尤其是近几年,各种医疗信息管理系统层出不穷,但专门针对糖尿病及糖尿病性视网膜病变系统化防治的研究在国内仍处于探索阶段。本文针对我国的人口基数大,糖尿病及糖尿病性视网膜病变的发病率高且不可根治、管理周期长的特点,以及当前糖尿病及糖尿病性视网膜病变患者疏于管理,患者发生严重的视功能损害才就医,而病人信息数据又不易统计与分析的这种被动诊治模式的弊端,在充分调研糖尿病性视网膜病变治疗与管理过程中医生和患者不同需求的基础上,结合本论文支撑项目《成都市糖尿病及糖尿病性视网膜病变网络防治平台建设》,提出了搭建糖尿病-糖网病信息共享系统的解决方案。即采用当前主流的B/S模式,以Tomcat作为Web服务器,由基于Java EE架构的SSH框架技术来完成系统的开发,在DBMS的选择上使用开源的MySQL数据库。SSH作为当前流行的开发框架,以MVC思想分层,将一个Web应用清晰地划分为表示层、业务层、持久层3个层次。而且每个层都有自己明确的责任,表示层Struts2负责视图展现及控制转向等；业务层Spring负责业务逻辑的处理；持久层Hibernate负责封装访问数据库的一系列操作。各个层之间在功能上相互分离,以通信接口联系。这种经典的分层模型,不仅降低了系统各模块之间的耦合度,还为系统的扩展与维护带来了很大的便利。本文首先对糖尿病、糖尿病性视网膜病变、医疗信息化等项目相关背景做了简要介绍。然后从技术、操作、经济、社会等方面对项目需求做了可行性分析,初步拟定了系统的实施方案。其次,依据项目需求分析及初步设计方案,完成了对系统数据库的分析与设计。最后,在介绍系统开发所用的相关技术及原理的基础上,完成了系统总体设计及详细功能的设计实现。在论文的最后,以界面展示的形式,对糖尿病-糖网病信息共享系统做了功能性测试。并对本论文所做的工作进行了简要的总结,对系统的进一步应用扩展做了说明与展望。本文系统不仅可以对糖尿病及糖网病的防治进行有效管理,而且可以为相关的卫生策略研究、流行病学研究、临床研究等提供系统资料；无论从社会效益还是经济效益方面来讲,本文的研究成果都具有非常重大的意义。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设向导 ，原文地址：https://m.bishedaima.com/lunwen/51637.html
