基于SD-OCT时间序列图像的AMD病变检测与分割研究

目录

目 录

1绪论

1.1研究背景和意义

1.2 SD-OCT图像成像特点

1.3 AMD病变在SD-OCT图像中的表现

1.4国内外研究现状

1.5 论文组织结构

2 SD-OCT图像预处理

2.1 SD-OCT图像去噪

2.1.1 双边滤波算法

2.1.2 去噪结果

2.2 SD-OCT图像层分割

2.2.1 视网膜分层

2.2.2 层分割算法

2.2.3 层分割结果

2.3 本章总结

3基于SD-OCT时间序列图像的地图状萎缩检测

3.1 引言

3.2 算法基本流程

3.2.1 预处理

3.2.2 样本构建和分类

3.2.3 HOG特征提取

3.3 实验分析

3.3.1 实验准备

3.3.2 实验结果定性分析

3.3.3 实验结果定量分析

3.3.4 实验讨论

3.4 本章总结

4基于SD-OCT时间序列图像的脉络膜新生血管检测

4.1 引言

4.2 CNV检测的样本处理

4.2.1 SD-OCT 图像中的CNV特征

4.2.2 方法框架

4.2.3 预处理

4.2.4 正负样本构建及分类

4.3 三维梯度方向直方图特征提取和分类模型更新

4.3.1 3D-HOG特征提取

4.3.2 模型更新方法

4.4 实验结果分析

4.4.1 算法定量评估

4.4.2 算法定性分析

4.4.3 CNV在投影图像中的分割结果

4.4.4 实验讨论

4.5 本章总结

5基于深度学习的SD-OCT时间序列CNV图像分割

5.1 引言

5.2 图像语义分割神经网络简介

5.3 实验数据预处理

5.3.1 图像处理

5.3.2 样本构建

5.4 3D-Unet网络模型

5.5 实验结果后处理

5.6 实验结果和分析

5.6.1 定量分析

5.6.2 定性分析

5.6.3 实验讨论

5.7 本章总结

6基于SD-OCT时间序列图像的AMD病变检测分割系统

6.1 引言

6.2 需求分析

6.2.1 系统环境

6.2.2 功能需求

6.3 系统结构

6.4 模块设计

6.4.1 图像加载模块

6.4.2 图像预处理模块

6.4.3 GA检测模块

6.4.4 CNV检测和分割模块

6.4.5 图像投影模块

6.4.6 其他模块

6.5 本章总结

7总结与展望

7.1 论文总结

7.2 工作展望

致谢

参考文献

附录