目    录

目    录   I

第 1   章  引言   1

1.1    研究背景和意义   1

1.2    国内外研究现状   1

1.3    研究内容   2

1.4    章节安排   2

第 2   章  第二章糖尿病视网膜病变图像介绍和诊断机理  3

2.1    糖尿病视网膜图像分级  3

2.1.1    正常视网膜图像  3

2.1.2    病变视网膜图像  3

2.2    糖网病诊断机理  4

2.2.1    医学分类标准  4

2.2.2    相关医学术语说明及影像表现  6

2.3    本章小结   9

第 3   章  糖尿病视网膜病变图像预处理   11

3.1    图像数据集来源及介绍   11

3.2    原数据集存在的问题   11

3.3    图像分布   11

3.4    图像预处理   12

3.5    本章小结   12

第 4   章  糖尿病视网膜病变图像分级   13

4.1    深度学习和卷积神经网络   13

4.1.1    卷积层   14

4.1.2    池化层   15

4.2    残差神经网络   16

4.3    本章小结   17

第 5   章  具体算法设计   19

5.1    训练模型   19

5.1.1    图像预处理   19

5.1.2    模型训练   19

5.2    预测算法   21

5.3    gui 界面   22

5.4    本章小结   23

第 6   章  结论与展望   25

6.1    结论   25

6.2    展望   25

参考文献   27

致    谢   29

第 1 章  引言

1.1    研究背景和意义

查阅了相关资料，了解到糖尿病视网膜病变是全球性工作人群致盲的首要原因。大量流行病学研究表明， 糖尿病的全球患病率在今后 20 年将不断增长。糖网病的危险性随糖尿病病程延长而增加：糖尿病病程超过 10 年，50% 患者会发生糖网病，而病程在 25 年以上则有 90% 的患者发生该并发症。由此看来，糖尿病将成为全球性的健康问题。

自动化是提高医疗保健效率、可负担性和可及性的先决条件。在管理估计 1.41亿中国人，2300 万美国人和 5900 万欧洲糖尿病患者时，迫切需要视网膜检查的自动化。因为坚持定期眼科检查，对于早期诊断糖网病是必要的，此时可以得到最佳的病情预测，并且有 60% 的概率可以延迟或避免视力的丧失。这使得数千万面临视力丧失或失明的糖尿病患者可以对此进行预防[1] 。

1.2    国内外研究现状

在医学图像智能分析的研究历程中，利用人工智能算法，对糖网病视网膜病变图像分类的研究，一直是计算机智能和医学智能领域中一个重要课题。传统方法利用图像处理、人工等方法提取特征，如微动脉瘤，出血、硬性渗出等，再送入分类器（常用分类器：支持向量机、随机森林、贝叶斯分类器）进行判别。

Bernardes [2] 等人在 2009 年就提出过以早期糖尿病视网膜病变中的微动脉瘤为主要特征，使用计算机辅助图像配准算法提取该特征，并采用计算微动脉瘤的数量的方式来判断糖网病病变程度。Deka [3] 等人在 ANN（人工神经网络）网络上将 PCA（主成分分析法）和 SVD（奇异值分解）二者叠加成为一种新的特征后输入，以此来进行糖网病的诊断。在早期的研究中， 传统的分类模式确实效果明显，也在一定程度上缓解了人工阅片的压力。然而，随着研究的不断深入，传统机器学习的弊端也逐渐暴露出来。当我们需要对眼底相片提取大量特征时，机器学习算法明显就显得力不从心。近年来，在医学影像处理领域，深度学习技术使用的越来越频繁。研究人员纷纷采用深度学习技术，并不断进行创新，以达到更高水平，尤其是在糖网病图像分类方面，展开了深入研究。在图像分类中，深度学习相较于机器学习有着天然优势，深度学习不再需要手动提取特征，而是通过卷积神经网络中的卷积层自主学习和特征提取，从而实现了“端到端”的分类模型。

2016 年，爱荷华大学 Michael David Abràmoff[1] 等人研究提出，深度学习对于病情程度的判断均由训练数据确定，而不是由专家设计，因此提出了公开糖网

病视网膜数据集的要求[4] 。2017 年，Daniel Shu Wei Ting 利用大量的来自多种族的糖尿病患者的视网膜图像对 DLS 进行训练，发现 DLS（Deep Learning System）对于识别糖尿病视网膜病变和相关眼部疾病具有  灵敏度和特异性[5]  。2018 年， Javeria Amin 提出对渗出物进行视网膜检测，使结果更加精准，在性能评估的基础上进行比较，发现 Ensemble bagged tree（袋装决策树）在众多分类器中表现突出，得到了 100%ACC 和 1.00AUC 的数据[6] 。2021 年，Sarmad Maqsood 提出糖网病最早的发病症状是视网膜出血，并提出一种新的 CNN 架构，即绿色通道（在绿

平  图像中，红色病变（出血）和血管显得较暗，而白色病变（渗出物）和视盘显得较亮。视网膜眼底图像分成三个通道，我们只使用其中的绿色通道）来检测视网膜出血[7] 。

由此可见，在糖网病视网膜图像特征的辨别上，深度学习拥有比传统分类方法更多的特征提取手段，更强大的特征提取能力，能够极大程度地解决传统方法中人工提取特征手不方便的问题，减小人为因素导致的误差等状况。国内外研究学者也在不断的改进算法，提高计算机辅助诊断的准确性。

1.3    研究内容

本文主要内容主要有以下两个方面：（1）对视网膜图像进行预处理（2）基于深度学习的糖网病分级系统的设计，包括对不同程度的糖网病视网膜进行分级（健康、轻度、中度、重度和增殖性视网膜）等。

1.4    章节安排

本文分为五章，具体内容如下：

第一章：引言。本章主要介绍计算机辅助诊断糖网病的研究背景、研究意义、国内外对此课题的研究情况、本文的研究主要内容以及论文的整体框架。

第二章：介绍糖网病的相关概念。本章介绍健康视网膜的相关概念和糖网病临床分类的标准，对健康人群和糖网病患者的视网膜图像进行剖析。

第三章：糖网病视网膜图像预处理。本章介绍了图像数据集的来源，以及为后续实验而做的预处理。

第四章：糖网病视网膜分级。介绍了深度学习和卷积神经网络的相关知识，着重介绍了卷积层和池化层，对 resnet 算法也做了相关解析。最后对系统代码进行了剖析。

第五章：算法设计。介绍了代码设计，如训练模型、预测算法和 gui 窗口设计。

第六章：结论与展望。总结项目的优缺点和进一步优化的方向。

第 2 章  第二章糖尿病视网膜病变图像介绍和诊断机理

2.1    糖尿病视网膜图像分级

2.1.1    正常视网膜图像

视网膜又称视衣、眼球内膜、眼球神经膜，是脊椎动物和一些头足纲动物眼球后部的一层非常薄的细胞层。图 2-1 为使用眼底相机拍摄的眼底图像，其中包括视神经乳头（视盘）、动脉和静脉、黄斑区以及中心凹等区域[8] 。眼底图像中最为醒目的圆形亮盘即为视盘，它是眼球内视网膜神经纤维的集中区域，也是视网膜最厚的部位之一，在图像中呈现出最亮的亮度。眼部的血管以放射状分布在视网膜上，呈现暗红色线条。正常眼底图像中，血管粗细均匀，颜色分层清晰。视网膜的中心凹位于图像最暗处，是最薄的部分。

通常情况下，视神经乳头呈椭圆形或圆形，边缘清晰，呈浅红色并具有明亮的外观。颞侧略淡于鼻侧，中央凹陷。动脉呈鲜红色，起源于视神经乳头处，而静脉则呈暗红色。正常情况下， 动脉和静脉的比例为 2:3[9] 。如图 2-1 为正常的眼底影像：

图 2.1: 正常眼底图像

2.1.2    病变视网膜图像

如图 2-2，该图是一张左眼糖网病重度病变的眼底影像，以下为病变眼底图像区别于正常眼底图像之处：右侧有斑驳的亮处，此为为硬性渗出；左下角有些许泛白处，此为为棉絮状渗出；暗红色圆斑为火焰状出血，视网膜小动脉狭窄，光反射增强等，这些都是视网膜病变的症状。

图 2.2: 左眼糖网病重度病变眼底影像

2.2    糖网病诊断机理

2.2.1    医学分类标准

中华眼底病学组于 2014 年讨论通过了中国糖尿病视网膜病变临床指南，糖网病分期如图 2-3：

图 2.3:  中国糖尿病视网膜病变分期标准

以上可总结为此图：

图 2.4:  中国糖尿病视网膜病变分期标准

不同程度病变视网膜图像如下：

健康

重度

轻度

增殖性

图 2.5: 不同病变程度的视网膜图像

中度

2.2.2    相关医学术语说明及影像表现

1）微血管瘤：

说明：是一种发生于视网膜微血管系统的异常，通常微血管瘤为小型圆形红斑，直径小于 125 m。临床上，视网膜微血管瘤不仅会出现再糖尿病性视网膜病变、视网膜静脉阻塞等眼部疾病上，还出现于某些中毒性疾病，如二硫化碳中毒导致的视网膜病变。除了与眼部疾患相关，视网膜微血管瘤也被专家证实是系统性疾病进展的重要表现[10] 。

表现：有深色块状斑驳

图 2.6

2）小出血点：

说明：呈点状出血，一般小于 2mm

表现：黑色小点

图 2.7

3）硬性渗出：

说明：Hard exudation ，HE ，视网膜上边界清晰的沉着物，位于视网膜外层，浮于表面

表现：呈亮黄色，斑驳状，与肥胖纹相似

4）棉絮状渗出：

说明：又称棉絮状斑，或软性渗出。

表现：为形状不规则、边界模糊、大小不等的棉絮或绒毛样网膜渗出斑

5）新生血管生成：

说明：指从已有的毛细血管或毛细血管后静脉发展而形成新的血管

形成原因：原毛细血管因高血糖等原因而阻滞，致使从原血管处拓出新的血液流通道路，即新生血管。

图 2.8

6）玻璃体积血：自发性出血通常突然发生，可能为微量出血，大量出血则会形成密集的血块。微量出血时， 患者可能不易察觉，或仅出现“飞蚊症”；大量出血时，患者会感觉眼前出现暗影或有红色玻璃片遮挡，视网膜反复出血的患者可能感觉眼前“冒烟”，视力明显下降[11] 。眼科检查时，若出血不多且不妨碍裂隙灯观察，则可观察到红细胞聚集于玻璃体凝胶的支架中，形成柠檬色尘状。中等程度的新鲜出血可能表现为密集的黑色条状混浊。大量出血会导致眼底无红光反射，视力下降至光感。

7）纤维增生：

图 2.9

8）玻璃体机化：

说明：大量血液在玻璃体内不断积聚，长期无法吸收，导致血浆成分及炎性细胞受到刺激，转化为纤维细胞，形成纤维膜，进而影响了玻璃体的透明度。

表现：玻璃体透明度变差。