基于单种群蛙跳优化CNN的眼底图像多病变检测

摘要：

为了有效解决眼底图像病变处存在交织重叠,大小血管密布并且受光照影响严重等问题,实现眼底图像多标签分类,提出了采用单种群蛙跳优化的卷积神经网络算法(SFCNN)对眼底多种病变进行检测.该算法保留混合蛙跳算法(SFLA)的高效寻优能力,简化成单种群蛙跳算法,并与传统卷积神经网络(CNN)有效结合.在初始化网络时,通过蛙跳算法优化网络初始权值选择;在网络迭代过程中监听卷积神经网络前向传播损失值并利用蛙跳算法的寻优能力修正异常权值;在网络符合结束条件后对最终权值进行一次蛙跳寻优,使网络权值得到进一步的优化,从而实现对复杂的眼底图像多病变检测分类.该算法对眼底图像病变检测的实验表明,相对于传统CNN算法,无论是在单病变检测还是同时整体检测,正确率均有所提高.

关键词：混合蛙跳算法(SFLA);卷积神经网络(CNN);眼底图像;多病变检测;权值优化

所属期刊栏目：15

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省自然科学基金;江苏省六大人才高峰项目;江苏省研究生科研与实践创新计划;南通大学人才引进项目;江苏高校"青蓝工程"资助项目

在线出版日期：2021-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1762-1772