基于弱监督的改进型GoogLeNet在DR检测中的应用

摘要：

针对糖尿病视网膜病变分级检测中标定样本少、多目标检测的问题,提出了一种基于改进型GoogLeNet的弱监督目标检测网络.首先,对GoogLeNet网络进行改进,去掉最后一个全连接层并保留检测目标的位置信息,添加全局最大池化层,以sigmoid交叉熵作为训练的目标函数以获得带有多种特征位置信息的特征图;然后,基于弱监督方法仅使用类别标签对网络进行训练;其次,设计一种连通区域算法来计算特征连通区域边界坐标集合;最后在待测图片中使用边界框定位病灶.实验结果表明,在小样本条件下,改进模型准确率达到了94.5％,与SSD算法相比,准确率提高了10％.改进模型实现了小样本条件下端到端的病变识别,同时该模型的高准确率保证了模型在眼底筛查中具有应用价值.

关键词：糖尿病视网膜病变、弱监督、卷积神经网络、目标检测网络、全局最大池化

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划项目2016YFB1001103

在线出版日期：2019-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2484-2488