科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:利用深度学习的方法对糖尿病视网膜分类方法进行研究。方法:采用深度学习的方法,输入视网膜眼底图像特征和选择分类模型,从而决定最终的视网膜眼底分类效果。针对不同病变时期的糖尿病性病变视网膜类间差别小,特征分类困难的问题,提出利用基于迁移学习的Xception模型来解决病变视网膜分类的方法,该方法摒弃了传统分类方法中的直接对数据集进行训练的缺点,采用特殊的图像预处理方法,通过迁移学习结合优秀的分类模型来解决分类难问题。结果:研究结果表明,在预处理后的数据集上,训练得到的模型在测试集上准确率达到了92.8%,取得了良好的训练效果。结论:视网膜眼底图像作为眼部病症的重要判断依据,蕴藏着大量的病症信息,不但可以节省经验丰富的眼科医生的诊断时间,还可解决医疗资源分布不均的问题。
- 单位
