基于深度学习的视网膜图像多病变筛查系统的研究

来源 :上海交通大学 | 被引量 : 0次 | 上传用户:guoke3zhang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近几年来,糖尿病逐渐成为危害人类身体健康的主要疾病之一,糖尿病在患病早期没有明显的症状,很难被发现。而糖尿病患者却往往伴随着视网膜渗出、出血以及微动脉瘤等严重的并发症,检测这些并发症就能有助于提前确诊糖尿病的发生。因此,一套糖尿病视网膜多病变自动筛查系统的研究和设计具有非常重大的意义。渗出是糖尿病视网膜病变中最主要的一种,对渗出进行检测和分析,对糖尿病视网膜筛查具有特殊的临床诊断意义。我们以改进的UNet网络为基础,其中包括了基于图像块的局部特征分析和借鉴多任务学习的理念设计的多输出分割网络。为了更好的提取语义信息,我们提出了拼接路径改进、残差块结构和多尺度注意力模块等对网络结构进行优化。我们的优化算法在公开数据集HEI-MED数据集、DIARETDB1数据集和MESSIDOR数据集上取得了AUC值为0.95、0.97、0.92的效果,在原有网络基础上每个数据集均提升了1%。通过对渗出块进行计数和面积计算,给出了量化的病变信息。此外,我们还针对渗出、出血和棉絮斑病状设计了基于实例分割网络Mask RCNN的多病变分类网络。该网络通过提取前景再精细化判断的思想来实现多病变检测。为了充分利用图像中的全局信息,我们在网络中引入了Non-local模块用于帮助提取图像的全局特征。实验证明我们的网络在三种病变中都取得了优秀的实验结果,渗出病变的检测在HEI-MED数据集、DIARETDB1数据集和MESSIDOR数据集上取得了AUC值为0.961、0.984和0.943的效果,出血在DIARETDB1、AIHE1、AIHE2和AIHE3四个数据集上分别取得AUC为0.927、0.954、0.941和0.963的效果,而棉絮斑的检测在DIARETDB1上取得了准确率0.8764的效果。
其他文献
薄膜磁传感器是由软磁薄膜和平面线圈复合而成的薄膜线圈。软磁薄膜在磁化过程中,其磁导率会随外磁场发生变化,致使平面线圈的电感值也随之发生变化,从而实现对磁场的测量。与现有的基于磁阻/磁阻抗效应、霍尔效应、磁通门和超导量子干涉技术等磁传感器相比,薄膜磁传感器具有体积小、结构简单、易于加工集成和微型化等优点,在通信、勘探、导航、工业检测等领域具有广阔的应用前景。本文研究对象是薄膜线圈,研究了影响薄膜线圈
力和运动实验室这样做!使用后面的第50-51页,折叠出下面两种纸飞机,并测试它们的飞行能力。猫头鹰纸飞机第一步,沿纸张纵向中心线对折,然后展开.第二步,将顶部对角向中心线折叠。第三步,将顶部的三角形向下折叠,使纸张顶端呈水平线。第四步,将顶部对角再次向中心线折叠,让对角停留在中心线的位置,并和顶部保持大约6厘米的距离。
期刊
在实际的机器人焊接自动化应用过程中,焊缝跟踪和熔池监控是两个急需解决的关键问题,在已有的视觉传感技术研究中,目前能够成熟商业化的产品主要是用在焊缝跟踪上,其技术被国外的少数几家公司所垄断,价格十分昂贵,无法有效地推广应用。另外,由于激光视觉传感器无法准确地获取焊接熔池图像信息,无法在熔透控制中使用。因此,开发一款实用、价格便宜、性能优越、具有完全自主知识产权的能够同时实现这两种功能的视觉传感系统显
在云计算、物联网等大带宽需求应用的推动下,互联网数据流量在未来几年会迎来几何倍数的增长。作为目前骨干网、城域网的主要传输形式,光通信也会面临前所未有的挑战。作为一种电光转换设备,电光调制器由于其出众的性能而在光通信领域和微波光子领域都有着广泛的应用。由于应用场景需求或是工艺误差等原因,电光调制器需要一个直流偏置电压来保证其工作在特定的工作状态下。但是受到环境温度、机械应力等外部因素或是调制器器件本
折射率是各类材料非常重要的一项物理性质,通过测量折射率可以分析气体或液体中各种成分的含量。如今,折射率测量在化学工艺、环境监控、食品生产、生物医学等方面都有十分广泛的应用。基于光纤的折射率传感器具有结构小、灵敏度高,并且能够进行远程实时测量的优点,这些性质决定了光纤折射率传感器在实际应用中的巨大潜力与价值。同时,快速、高精度的折射率传感系统在气体、液体成分检测,工业生产应用中发挥了越来越重要的作用
我国乡村振兴战略在实施的过程中,需要用到大量的环境设计专业人才,这为相关院校环境设计专业人才的培养起到了良好的推动作用。对于院校来讲,需要切实结合自身特色和优势等来对环境设计专业人才的培养模式进行创新和改良,以此来培养出更多能够独立自主进行创新设计的优秀人才,从而更好地为乡村振兴服务。因此,文章基于乡村振兴战略,针对环境设计专业人才培养模式进行分析和探讨。
随着科技的进步,目标分类受到越来越多的关注,在诸多领域有非常重要的应用,例如军事侦察、医疗诊断、视频监控等等。近几年,一种跳过成像步骤,对目标进行探测后直接分类的策略被提出,学者们并为此提出了一些无成像的目标分类方案。然而,现阶段的无成像目标分类无法做到在极弱光条件下实现目标分类。随着光子探测器件和成像系统的快速发展,一种基于单光子探测器的关联成像系统可以解决极弱光成像问题,且由于其数据获取与成像
近年来,云计算/存储、4G/5G无线通信、人工智能等信息技术和产业快速发展,导致数据通信量持续爆炸性的增长,带来对大容量、高带宽、低损耗光通信的迫切需求,尤其是面向数据中心(DC)、高性能计算机(HPC)以及无线前传等应用的短距离光互连。对于短距离场景,成本、功耗、密度是关键需求,以直接检测的光互连方案为主,包括经典的强度调制和直接检测(IM-DD)以及近年来兴起的斯托克斯矢量直接检测(SV-DD
近年来,随着计算处理能力的提升、算法的突破和大数据的发展,神经网络迅猛发展,并广泛应用于各个行业。其中,储备池计算(Reservoir Computing,RC)作为一种受启发于生物神经网络的新兴神经网络。与传统的神经网络相比,RC的结构简单,而且极大程度地简化了训练方式。RC也克服了传统神经网络中算法收敛速度慢、易陷入局部最优以及训练参数过多等普遍存在的问题。此外,在光学领域中,RC可以利用现有