基于深度学习的白内障疾病检测系统的设计与实现 (毕业设计)
日期:2025-07-25 19:22:00 作者:智能医学与信息工程系 来源:健康医疗科技学院 浏览量:0
项目成员:王哲
指导教师:李璐、孙风栋
作品简介:关注白内障这一眼科疾病,系统以深度学习为核心,对眼底图像进行分析,实现白内障的自动化检测与辅助诊断。将ResNet和VGG作为核心模型,使用TensorFlow机器学习框架实现对眼底图像的实时分类,一旦检测出白内障特征,便可通过Web界面展示诊断结果,并结合知识图谱提供治疗建议等,从而实现智能辅助诊断功能。
图1模型训练流程图
图2系统后台用例图
图3白内障诊断界面
图4医疗知识图谱问答界面
项目创新点:
(1)技术创新:该系统采用ResNet和VGG两种经典卷积神经网络模型,在ODIR-5K数据集上的表现优于传统诊断方法。通过直观的图形界面,实现对眼底图像的分类检测,有效提升了检测系统的整体性能表现。采用Django框架将前端交互与后端模型紧密连接,实现数据快速稳定传输和指令控制,实现系统间高效的数据交互。这套系统会在检测到白内障特征等情况时,对诊断结果做出快速反应。此外,该系统通过知识图谱模块,可以做到回答精准,反应灵敏。
(2)应用创新:在应用方面,针对传统白内障诊断耗时且要求高的问题,以深度学习技术为基础设计智能辅助诊断系统。系统能高效处理眼底影像,通过设定分类阈值直观显示诊断结果。在基层和远程医疗中,可通过Web界面上传图像并获取诊断建议,突破地域限制。知识图谱问答功能能根据提问返回治疗周期等结构化知识,辅助医生诊疗、为患者科普,是“诊断+知识服务”的一体化创新模式。
项目视频二维码: