基于OCT的眼底积液自动检测.docx

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 本 科 毕 业 设 计（论 文） 学院(部) 电子信息学院 题 目 基于OCT的眼底积液自动检测 年 级 14级 专业 信息工程 班 级 14信息工程 学号 1428405019 姓 名 彭云祯 指导老师 陈新建 职称 教授 论文提交日期 2018.5 目录 TOC \o 1-4 \h \u 摘要 1 Abstract 2 前言 3 第一章 绪论 4 1.1研究背景 4 1.1.1眼底积液 4 1.1.2 光学相关断层成像技术 5 1.2 研究现状 5 1.3 研究内容 6 第二章 实验原理 7 2.1深度学习算法——YOLO 7 2.1.1 算法简介 7 2.1.2 检测原理 7 2.1.3 算法的提升 10 2.2 深度学习框架——Tensorflow 11 2.3 评价指标 12 第三章 实验过程 13 3.1 数据集准备 13 3.2 模型训练 13 3.3 测试模型 14 第四章 结果分析 18 4.1 分类结果评估 18 4.2 定位结果评估 18 结论与展望 19 参考文献 20 致谢 21 精心整理 仅供参考 勿用作商业用途 摘要 视网膜中眼底积液的存在不仅可能会影响到患者的治愈，还会干预到患者手术后进一步的临床治疗，而眼底积液的及时检测，也有利于其它疾病的早期发现。光学相关断层成像技术(Optical Coherence tomography,?OCT),由于其非接触性、非破坏性、极高的探测灵敏度与噪声抑制能力成为常见的无损检测成像技术，而眼科疾病的诊断就是其主要应用领域之一。医生可以通过观察视网膜层的OCT图像对患者的病情做出判断。 眼底积液根据其不同的形态和所处的位置具有不同的类型，而本文所研究的就是采用深度学习的方法检测OCT图像上的三种眼底积液相关疾病：黄斑囊样水肿、视网膜下液、视网膜色素上皮脱离。数据集有约1000张OCT图片，每一类330张左右。YOLO算法是常见的深度学习目标检测算法，它基于一个24层的卷积神经网络，算法简单且可以实时处理。Tensorflow作为目前最流行的深度学习框架，支持常见的神经网络，比如YOLO算法用到的卷积神经网络，而且Tensorflow还具有高度的灵活性。所以本课题选用了Tensorflow框架，Python编程实现YOLO算法，从而实现眼底积液的自动检测。最终积液类型判断的准确率高达92%，定位效果也在可接受的程度内。 关键词：医学影像处理，眼底积液，OCT，YOLO Abstract Fluid’s presence will not only possibly decrease visual acuity,but also mandate therapeutic intervention.The timely detection of retinal fluid can help the early discovery of other diseases.Optical coherence tomography is a non-contact,non-invasive imaging modality of high sensitiveness and high noise suppressing capability,which is why it becomes a popular modality for nondestructive examination.And diagnosis of ophthalmic diseases is one of its main application fields.Doctors can judge the patients condition by observing OCT images of the retinal layer. Retinal fluid can be divided into different types depending on its shape and location.In this paper,I detect three types of retinal fluid related diseases with deep learning.Three types of diseases are cystoid macular edema(CME),subretinal fluid(SF),pigment epithelia