【摘 要】
：
糖尿病视网膜病变是糖尿病的常见并发症之一,对患者的眼部损害十分严重。因此,国内外研究者开始通过近些年兴起的深度学习方法,通过眼底图像对患者进行诊断。其中,眼底视网膜血管分割能准确判断血管和非血管像素,可以辅助医生进行准确诊断并及早治疗;而糖尿病视网膜病变分类能对患者的病情自动分级,可有效缓解专业医生数量不足,效率不高的问题。因此,对上述两种方法进行研究意义重大。针对当前对眼底图像进行分割和分类存在
论文部分内容阅读
糖尿病视网膜病变是糖尿病的常见并发症之一,对患者的眼部损害十分严重。因此,国内外研究者开始通过近些年兴起的深度学习方法,通过眼底图像对患者进行诊断。其中,眼底视网膜血管分割能准确判断血管和非血管像素,可以辅助医生进行准确诊断并及早治疗;而糖尿病视网膜病变分类能对患者的病情自动分级,可有效缓解专业医生数量不足,效率不高的问题。因此,对上述两种方法进行研究意义重大。针对当前对眼底图像进行分割和分类存在的一些难点,本文提出基于Weighted Dense UNet的分割方法以及基于多任务学习的分类方法,主要工作如下:（1）对于眼底视网膜血管分割存在的问题,一是对数据集进行预处理,利用旋转等操作增加样本,进行归一化操作并提取图像的绿色通道,然后通过引入伽马函数的CLAHE方法增强眼底图像的对比度,提升分割效果。二是提出Weighted Dense UNet模型,该模型在经典分割网络UNet上进行改进,结合了密集模块的思想,有效保留输入图像细节信息的同时减少了网络参数并提升了网络的学习效率。另外,该模型还引入了Weighted Attention机制,使得网络更专注于图像的ROI区域。此方法最终在测试集上取得了优异结果,分割出的血管结构清晰平滑,噪声较少,鲁棒性较高。（2）对于糖尿病视网膜病变分类存在的问题,本文联合分类任务和分割任务构建多任务学习网络,利用二者的关联信息促进模型的分类效果。首先通过迁移学习对特征提取模块进行预训练,并利用微调机制使其对眼底图像特征更为敏感,解决了由于样本数量不足而产生的过拟合问题,提升了对眼底图像特征的泛化效果。接着构建了由分类主网络和分割支网络组成的多任务学习网络,实现分割和分类的多任务并行,通过共享网络层参数提高模型性能。最终结果显示,该方法的识别准确度好于大多数同类方法,证实了多任务学习网络的有效性。
其他文献
文本情感分析作为自然语言处理领域中重要的研究方向,在商品调研、社会热点现象分析等许多场景中都有巨大的应用价值。而传统的粗粒度级别的情感分析侧重于关注文本中整段或整句话的情感极性,不能够准确分析句子中不同方面的情感倾向。方面级情感分析作为一种细粒度情感分析任务,可以深层次地挖掘方面词和上下文之间的隐藏关联,从而判断句子中不同方面词的情感极性。为了更加准确高效地提取方面词对应的情感特征,本文针对现有方
江西省的森林和湿地资源丰富,森林覆盖率常年稳定在63.1%以上,居全国第二。茂密的森林为江西省贡献了充足的自然资源,但也使江西成为森林火灾的多发区域,每年森林火灾都给江西带来沉重的消防资源损耗、自然资源损失、生命安全损害。对森林火灾风险等级进行有效的预测评估,有助于江西省森林火灾预防工作的开展,是减少森林火灾发生次数、降低森林火灾损失的重要途径。本文选择了森林火险气象等级与森林火灾发生概率两个指标
在医学、航空等图像资源稀缺的领域,传统深度学习中需要大量图像样本进行训练的要求无法得到满足,而零样本学习的出现就解决了训练阶段图像稀缺的问题,它可以通过对图像数量充足的类别的训练实现对图像资源稀缺类别的识别和分类。本文选取基于生成模型的零样本学习方法为研究对象,以提高四种不同零样本学习设置下的图像分类准确率为目标进行研究和实验。本文提出了一种改进的变分自编码器（VAE）和生成对抗网络（GAN）融合
肝癌,即肝脏恶性肿瘤,在全球范围内导致患癌的主要死亡原因中位列前三,对人类生命健康构成严重的威胁,对患者家庭生活造成影响。近年来,为了帮助医生在早期做出准确的病情评估和治疗,计算机断层扫描（CT）被广泛应用于筛查、诊断和测量肿瘤体积、形状和位置。然而,从大量CT切片中手动描绘肝脏和肿瘤病变的传统方法既耗时又费力,而且高度依赖临床医生的主观经验。此外,由于肝脏CT图像对比度较低,且肝脏肿瘤组织的大小
风能是一种低碳环保、经济效益高的可再生能源,因此,风能的高效利用成为世界各国的关注焦点。通过提高风速预测的准确性,可提升风电机组的控制性能和发电量,进而实现风能的高效利用,对风能的可持续发展、能源规划和经济发展具有重要的意义。针对传统机器学习方法难以有效拟合海面风速突变的问题,本文从四个维度（气象要素、季节、时序和非线形）研究海面风速预测模型,即将数值预报方法、时间序列分解方法、序列任务预测的LS
近年来,非机动车的行车安全引起了国家的极大重视,非机动车违规行为的存在是导致相关安全事故频发的主要原因,针对该问题,目前交管部门主要采取交警现场执法这种监管方式,该方式需要投入巨大的人力物力且效率十分低下。随着信息技术的发展,计算机视觉技术在交通领域的应用屡见不鲜,但是大多研究对象往往是机动车。因此,本文研究并设计了一套针对非机动车的违规行为识别系统,主要对未佩戴头盔、逆行、占道行驶等违规行为进行
根据GPC（Global Product Classification）分类标准,商品类别有几千种,实现快速准确的商品自动分类可以有效减轻工作人员负担。商品分类可通过商品图片、商品名称以及商品描述信息进行分类,本文通过商品名称对商品进行分类,由于商品名称属于文本且长度较短,因此本文着重研究对短文本分类方法改进并应用于商品分类任务。本文选择BERT模型进行微调并将BERT和其他模型结合应用于商品分类
皮肤恶性黑色素肿瘤是一种恶性程度比较高的肿瘤,虽然其发病概率较低,但其在早期较难发现、转移快,因此死亡率较高。对于恶性黑色素肿瘤,早发现并且早治疗是治愈的关键。基于机器学习的黑色素肿瘤的分类问题已有不少研究,这些研究一般先是人工提取特征,然后对其进行分类,这样的方法较为繁琐,且提取不到较深层次的特征,导致黑色素肿瘤分类的效果一般。本论文使用深度神经网络的方法,对黑色素肿瘤图像进行分类,并使用扩充数
在互联网快速发展,数据爆炸的时代,文本已经成为人们最为常见的情绪表达方式。对文本进行情感分析不仅可以给消费者提供参考依据,还能提升商家的整体服务机制。因此,对文本进行情感分析有着重要的研究意义。本文采用情感词典与深度学习相结合的方法,对在某点评网站爬取到的餐饮评论数据进行情感分析。本文的主要研究内容及取得的实验结果如下:（1）本文在对数据进行获取和预处理后,对网评文本的基本情感词典进行了构建。对于
随着信息技术和互联网的高速发展,物联网越来越广泛地应用于各个领域中,在便利生活的同时,物联网环境面临的安全隐患也受到了更多重视。当前对物联网节点身份认证、数据传输、访问及存储的安全性要求也逐步提高,如何解决物联网环境中的信息安全问题,已经成为一个非常重要的研究课题。本文主要研究物联网设备身份认证和数据传输过程中的信息安全问题,提出面向物联网的椭圆曲线数字签名算法和基于国密算法的数字信封混合加解密算