多尺度深度CNN的糖尿病视网膜病变分类

摘要：

为对视网膜图像的DR严重程度进行更准确的分类,分析图像分辨率、深浅层特征对分类效果的影响,提出一种多尺度ResNext网络模型.使用不同分辨率眼底图像交替作为输入层数据,采用加权融合深浅层特征作为全连接层分类的信息,使用迁移学习方法对网络模型参数进行初始化,避免发生过拟合问题.基于kaggle竞赛数据的验证结果表明,相对于传统模型,该模型方法可以更准确地对DR严重程度进行分类.

关键词：糖尿病视网膜病变、卷积神经网络、特征融合、迁移学习、图像分类

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：山西省自然科学基金项目201701D11100202

在线出版日期：2020-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3229-3234