论文部分内容阅读
糖尿病视网膜病变是糖尿病的严重并发症，是严重的致盲眼病。平均高达50％的人由于糖尿而病引发视网膜病变并可能导致视觉丧失，其发病率和致盲率都非常高。视网膜图像的普查已经成为早发现的重要手段，对视网膜图像本身的分析已经成为当前热点，但针对视网膜图像的自动分类诊断研究还比较少。本文以实现糖尿病视网膜图像自动分类为目的，在研究糖尿病视网膜图像的特征检测，特征提取，BP神经网络分类方面进行了深入和具体的研究，主要工作包括三部分。 首先是糖尿病视网膜图像特征检测和提取:研究并实现了血管、视盘、硬性渗出的检测和特征提取。针对血管的特殊和重要性，分析对比了现有方法的优劣，采用数学形态学加高斯增强的方式来实现。视盘分割方面，采用了先定位再根据视盘形状和亮度特征进行提取。硬性渗出方面采用区域生长法结合K近邻算法实现了有效分割。并对分割的图形提取出了病变特征和纹理特征，并实现特征值的归一化后，为下面的BP神经网络分类器设计做准备。 其次研究并分析了BP神经网络分类器特点和性能，并针对BP神经网络在参数确定，和收敛速度，与局部极小点方面进行了实验对比与分析，最后采用了动量-自适应速率的方法对BP神经网络进行改进，设计出一个针对糖尿病视网膜图像分类准确率较高的网络。 最终，结合前面的工作，基于J2EE标准企业体系规范，采用MVC模式，完成并实现了一个B/S结构的糖尿病视网膜自动分类的原型系统。