10.3969/j.issn.1002-2279.2019.03.012
基于深度学习的白内障自动诊断方法研究
针对目前白内障自动筛查以人工寻找特征为主,特征选取主观性强的问题,根据深度学习理论,建立了基于卷积神经网络的白内障特征自动学习模型.为克服当前数据集缺乏的问题,构建一个具有16239张图片,包含多种类型白内障并按病情严重程度分为三类的MSLPP数据集;利用卷积神经网络自动提取深度特征,并采用迁移学习的思想来训练网络,降低模型过拟合.实验结果表明模型识别准确率达94.84%.该模型对于核性白内障,皮质性白内障和后囊性白内障普遍适用,满足实用化要求.
深度学习、白内障、卷积神经网络、迁移学习、图像分类
40
TP391.4;R776.1(计算技术、计算机技术)
辽宁省自然科学基金20180520022
2019-07-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
48-52