课题名称 基于机器学习的视网膜眼底疾病的分类研究课题性质 radic;基础研究应用课题 设计型 调研综述 理论研究开题报告内容：（包括拟研究或解决的问题、采用的研究手段及文献综述，不少于2000字）一、课题意义随着经济和科技的迅猛发展，各类电子产品涌入人们的日常生活当中，这大大增加了人们对眼睛的消耗，与此同时也诱发了各种眼底疾病。
视网膜眼底疾病的种类繁多，对视功能的损害较大且致病原因复杂。
常见的视网膜眼底疾病有年龄相关性黄斑病变（Age-related Macular Degeneration,AMD）和糖尿病性黄斑水肿（Diabetic Macular Edema,DME），例如：DME，如果定期对患者进行适当的监测和治疗，至少有90%的新病例可以被治愈[1]。
因此，这些疾病的早期筛查与诊断非常重要。
然而，目前临床上对于以上两种视网膜眼底疾病的诊断都依赖于专业的眼科医生，而我国注册眼科医生数量少，需接受筛查的病患数量较大，面对海量数据，人工诊断显得极为耗时且耗力。
故利用机器学习来对视网膜眼底疾病的分类技术就显得尤为重要。
目前可以辅助检查的眼底影像技术，包括色彩眼底照相（Fundus Photography,FP）、荧光素眼底血管造影术（Fluorescein Fundus Angiograaphy,FFA）、吲哚青绿血管造影术（Indocyanine Green Angiograph,ICGA）和光学相干断层扫描技术（Optical Coherence tomography,OCT）。
而大部分的视网膜眼底疾病诊断都采用色彩眼底照相（FP）和光学相干断层扫描技术（OCT）所获得的图像。
相比于眼底照相，OCT图像具有无创、高速和高分辨的特点，更加利于机器学习对于视网膜眼底疾病图像的预处理与识别工作[2]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
