【摘 要】
：
糖尿病视网膜病变是糖尿病最为常见的一种并发症,也是目前造成人类失明的主要病症之一。由于这是一种不可逆的眼部疾病,患者需要及时地、定期地进行视网膜检查,避免病情恶化最终导致失明。然而随着糖尿病视网膜病变患者数量的不断增加,目前所采用的完全依靠眼科医生手工分割患者眼底生物标志物再以此进行病变分级的诊断模式已经变得无法应对,特别是在医疗资源紧缺、医疗水平不足以及医患比例严重失衡的地区。因此本文设计并实现
论文部分内容阅读
糖尿病视网膜病变是糖尿病最为常见的一种并发症,也是目前造成人类失明的主要病症之一。由于这是一种不可逆的眼部疾病,患者需要及时地、定期地进行视网膜检查,避免病情恶化最终导致失明。然而随着糖尿病视网膜病变患者数量的不断增加,目前所采用的完全依靠眼科医生手工分割患者眼底生物标志物再以此进行病变分级的诊断模式已经变得无法应对,特别是在医疗资源紧缺、医疗水平不足以及医患比例严重失衡的地区。因此本文设计并实现了一种眼底图像自动分割生物标志物的辅助诊断系统,用于提高眼科医生的诊断效率和质量。在彩色眼底图像中,硬性渗出物是患有糖尿病视网膜病变的一个最典型的标志,而判断其视网膜病变的阶段是增殖性还是非增殖性的关键是视网膜中是否有新生血管的出现。因此,本文基于深度学习的方法提出了对于眼底图像中血管和硬性渗出物的自动分割模型并结合Web技术设计了一个面向眼科医生的医疗辅助诊断应用系统,具体的研究贡献如下:（1）针对现有的视网膜血管自动分割模型在彩色眼底图像中细小血管和病变区域血管分割能力不足的问题,提出了一种基于改进HED网络的视网膜血管分割模型。结合空洞卷积和残差可变形卷积超强的特征提取能力和HED网络的特征融合能力极大地改善了眼底图像中血管分割的灵敏度和抗干扰性。（2）针对现有的硬性渗出物自动分割模型整体性能不高的问题,提出了一种基于注意力机制的改进U型网络模型用于眼底图像中硬性渗出物的自动分割。通过采用位置和通道双重注意力机制提高分割模型的准确性,并引入迁移学习的技术进一步改善了模型分割的灵敏度。（3）基于前两个研究所设计的彩色眼底图像血管和硬性渗出物自动分割模型,结合Web技术实现了一个用于糖尿病视网膜病变患者眼底图像自动分割的辅助诊断系统。通过使用该辅助诊断系统,不仅可以大大加快眼科医生的诊断进程,还能在很大程度上提高其诊断精度。
其他文献
随着柔性电子设备的快速发展,柔性传感器向着高灵敏度、高检测限、高分辨率以及阵列化微结构方向发展。对于柔性压力传感器,现阶段主要是在改变结构、改变导电材料以及导电材料与基底材料的结合方式来提升传感器的稳定性、一致性以及灵敏度等性能指标。针对制造出方法简单、高灵敏度以及高一致性的柔性压力传感器仍需进一步探索。本文以提高柔性压力传感器的灵敏度、一致性以及传感器的检测限为目的,制备出基于Graphene（
脑功能超网络模型已经被广泛的应用于脑疾病诊断的应用研究当中。因为超网络模型能够表示多个脑区间的高阶关系,所以该方法在脑疾病的诊断领域已经表现出了极强的生命力。然而,现有的大多数科研人员主要集中于研究不同的脑功能超网络构建方法的优劣。均利用单一属性（如聚类系数）或简单的线性拼接来表征脑网络的拓扑。但是不同的拓扑属性代表着超网络中不同的拓扑关系,虽然聚类系数在脑疾病诊断系统中也表现出了很好的分类性能,
急性脑出血是死亡率最高的脑血管病,脑出血类型的早期诊断和扩大预测有助于降低患者死亡率。随着计算机技术的发展和CT成像水平的提升,医学影像数据呈现出爆发式的增长,传统依靠医生手工标记和提取特征的方法难以满足海量数据分析的需求,并且较长时间的工作将导致医生出现误诊和漏诊等情况。因此,亟需计算机辅助技术为医生减轻工作压力,提供客观的诊断依据。本文基于深度学习提出新的计算机辅助诊断和预测方法,利用深度学习
注意缺陷多动障碍（Attention Deficit Hyperactivity Disorder,ADHD）又被称为多动症,顾名思义,患有这种障碍的患者,会出现“多动”的症状。其中包括精力过于旺盛、注意力难以集中和性格冲动等现象,这种疾病在男孩中更为普遍,并且最近有实验证明其可能会持续到成年期。通常,这种障碍的诊断主要是依靠医生通过临床症状和国际上的诊断标准相对比来进行的,这种诊断方式是相对主观
皮带输送机是煤矿井下开采所需的十分重要的工具,其在安全生产中肩负着十分重大的责任。在生产过程中,由于恶劣的工作环境、经常出现混有棱角的矸石、细杆状物等尖锐物体等问题,皮带通常会伴随有划痕,划伤的出现,甚至会发生撕裂这样的严重破损,这些问题可能会威胁井下人身安全,还可能使煤矿造成一定的财产损失。为此,寻求准确并且实时的皮带破损检测的方法,是现在一个很有意义的课题。但是现存的检测方法,对于皮带破损图像
传统计算机经过几十年的发展演变,已经非常成熟,在很多领域已经表现出卓越的性能,被认为是人脑的拓展。然而传统计算机在很多领域中还远远达不到人脑的智力水平。人工神经网络以一种类似于人脑的方式处理信息,有望突破传统计算机遇到的困境,在很多领域表现出极大的潜力。人工神经网络主要包括前馈神经网络和递归神经网络,由于递归神经网络具有记忆衰落特性,擅长处理时间相关任务,因更贴近实际问题而被广泛研究。然而传统递归
在日常生活中,到处都充斥着背景噪声与混响,使得纯净的语音信号受到干扰,往往导致语音质量和可懂度的显著下降,特别是对于听障人士来说,听觉感知会受到极大的影响。近年来,随着深度神经网络（Deep Neural Network,DNN）在语音去混响领域的广泛应用,增强语音的客观指标有了显著的改善,然而基于人类听力测试的主观评价得分并没有获得同样程度的提高,并且由于真实环境下混响的多样性,传统的DNN很难
幼小衔接是指学生从幼儿园到小学这一时期的整体衔接,幼儿开始接受正规小学教育的时期。教师在这一时期进行书写入门指导时,要尊重学生的年龄特点和发展规律,适时适量,应考虑学生的心理需求和发展需要,让学生学会初步欣赏书画作品,从兴趣入手,开展多元评价,提升他们的学习自信心,为学生从幼儿园平稳过渡到小学创造良好的氛围与条件,促进这一阶段学生的整体和谐发展。
随机数被广泛应用于科学计算、模拟仿真、身份认证、信息安全等诸多领域。特别是信息安全领域,加密系统的安全主要依赖随机数的随机性与不可预测性,故随机数的安全性评估至关重要。目前,针对随机数安全性评估主要基于概率统计方法。该方法依据概率统计规律检测随机序列是否存在明显的统计缺陷。然而,受限于模式识别与数据挖掘能力,基于概率统计的测试标准在随机数安全性评估中表现出了不足。例如,一些伪随机序列存在微弱且固有
近几年选煤厂的智能化改造正在如火如荼的进行着,重介质分选过程作为煤炭洗选加工过程中极为重要的一个环节,由自动分流、自动补水、自动加介、桶位平衡、密度智能设定等各个环节自动化的实现,使得重介质分选自动控制得到较大发展。在实际生产过程中由于原煤煤质的改变和波动以及在线灰分仪本身存在的测量误差,使得灰分闭环控制环节（密度智能设定）的调节速度以及调节准确性仍需提高。根据选煤厂实际生产情况的调研和分析,重介