全文总字数：7569字
1. 研究目的与意义（文献综述）
1.2目的及意义
白内障是世界视力受损的主要原因，也是导致失明的最严重的眼疾之一。白内障的主要症状有:视力障碍、色觉异常、昼盲或夜盲，有怕光、看物体颜色较暗或呈黄色，甚至复视及看物体变形等症状，严重的白内障可致盲。通常将白内障分为老年性、并发性、先天性、外伤性、代谢性、药物及中毒性、后发性等几大类型。据最近研究数据统计，估计世界上视力受损的人数是1.91亿，其中3240万人失明，其中视力损害病例中的18.4%和失明病例中的33.4%是由白内障引起。此外，由于白内障导致视力丧失的人数可能在2025年达到4000万白内障多见于40岁以上人群，并且发病率随年龄增长而增加。而且病人接受治疗的时间越晚，病人的视觉障碍就越严重。对于白内障，更早的诊断和治疗可以帮助患者恢复更快。然而，由于发展中国家缺乏对眼保健服务的投资，没有足够的熟练眼科医生。这种情况使得患有白内障的患者得到及时治疗很困难。在低收入和中等收入国家和地区，由于健康投资较低，白内障的发病率更高。在医学领域中，医学影像的处理和分析作为辅助诊疗的关键，具有重要的临床研究价值。在临床白内障检测中，常规的诊断方法多是基于眼底图像和裂隙灯照片。目前，常规的白内障诊断方法是使用裂隙灯照相术和回归照射成像装置。眼科医生根据一些诊断标准临床检测白内障，例如晶状不透明度分类系统iiiclocs iii，这是一种广泛使用的诊断标准。对于白内障严重程度，通过将观察到的图片与来自标准(例如locs iii和wisconsin白内障分级系统)的一组标准照片进行比较来评估白内障的分级。然而，对于发展中国家的一些患者，使用上述方法诊断白内障费用昂贵。此外，手术评估白内障是复杂的，由经验丰富的眼科医生进行。考虑到计算机辅助诊断技术的发展，对这些区域提供自动白内障诊断具有重要意义，可以明显提高诊断准确率，节约成本。
本课题的目的是通过图像识别的技术手段来构建白内障自动分类器，帮助进行白内障早期检测，让低收入和中等收入国家和地区也能普及白内障早期检测机制，同时也提高眼科医生的工作效率，让专业眼科医生有精力投入到更复杂的医学研究中。
2. 研究的基本内容与方案
2.1设计的基本内容
白内障是由遗传、局部营养障碍、免疫与代谢异常、外伤、中毒、辐射、老化等原因引起晶体蛋白质变性而发生浑浊的疾病。近几年，智慧医疗成为了学术界和产业界的热点之一，利用物联网技术和人工智能技术实现疾病自动识别与诊断作为医疗辅助手段，有助于降低医疗成本，缓解人工压力，提升诊断准确率[1]。另一方面，在偏远、贫穷地区，由于医护人员短缺、医疗设备落后和医疗成本等原因，导致白内障检查频率和覆盖范围不足，患者经常错失最佳的医疗时机。因此，本课题拟利用图像处理技术，分析健康眼内晶体图像与白内障晶体图像之间的区别，设计一款白内障自动识别的系统，探索白内障辅助识别与诊断的途径，以缓解以上问题。
1、熟悉白内障的基本病理和表征形态；
3. 研究计划与安排
1、 2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；
2、2020/3/1—2020/3/15：通过设计开发，完善开题报告并设计初步研究设计模块
4. 参考文献（12篇以上）
[1] 李建强, 张苓琳, 张莉, 等. 基于深度学习的白内障识别与分级[j]. 第二军医大学学报, 2018, 39(8):878-885.
[2] 胡启东. 视网膜眼底图像的血管识别方法研究[d]. 北京工业大学, 2018.
