基于CTCNet对球结膜进行糖尿病视网膜病变分类
糖尿病视网膜病变(diabetic retinopathy,DR)是一种糖尿病性微血管病变,会在球结膜微血管上有所体现,球结膜血管图像的获取比眼底图像更加便捷,但微血管的特征变化微小且难以量化.为了能够对患者进行早期辅助诊断,本文依据球结膜微血管形态与DR的关联,首先对球结膜图像进行预处理,使用限制对比度自适应直方图均衡(contrast limited adaptive histogram equali-zation,CLAHE)算法进行图像增强,随机处理使数据增强,然后结合卷积神经网络(convolutional neural network,CNN)和Transformer各自的网络优势构建CTCNet,对处理后的球结膜血管图像进行DR分类,分类准确率达到了 97.44%,敏感度97.69%,特异性97.11%,精确度97.69%,通过实验对比CNN和Transformer,CTCNet网络性能优于其他模型,能够有效识别DR.
卷积神经网络(CNN)、Transformer、糖尿病视网膜病变(DR)、球结膜血管
34
TP311(计算技术、计算机技术)
国家自然科学基金62020106004
2023-03-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
100-106