基于深度学习的青光眼诊断方法研究

摘要：

针对传统机器学习中需要人工提取青光眼特征而造成准确性有限的问题,建立一种基于卷积神经网络的青光眼特征自动学习模型.为克服青光眼图像库数据的不足、降低网络训练中的过拟合,对Drishti-GS1和REFUGE两个公开的眼底图像库进行数据增强处理;采用迁移学习方法训练卷积神经网络模型提取图像深层次特征,并通过添加新的具有两个神经元的全连接层和Softmax分类器进行青光眼诊断.实验结果表明,通过数据扩增不同倍数,平均准确率及AUC值都有一定程度的显著提升.随着数据量增加,该网络模型的青光眼分类性能也具有明显提高的趋势.

关键词：卷积神经网络;迁移学习;眼底图像;青光眼

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-01-04（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：41-46