-
题名基于深度学习的眼底视网膜图像疾病分类研究
被引量：1
- 1
-
-
作者
李果璟
夏秋婷
李宏
-
机构
杭州电子科技大学自动化(人工智能)学院
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2022年第5期711-718,共8页
-
文摘
提出了一种基于深度学习的多疾病分类方法,实现了一个完整的眼底视网膜图像辅助诊断解决方案。将Resnet50作为主干网络,并且利用多任务学习来解决多标签分类问题,根据左右眼的相关性对左右眼图像进行拼接,融合左右眼特征,从而提高模型的精度。由于基于眼底图像的疾病分类本质上是根据图像上的病灶来判断的,因此引入注意力机制来使得模型更关注病灶特征,增强网络对有效特征的学习能力。最后通过多模型融合技术,进一步提高模型的精度。通过设计多组对比实验,确定Resnet50主干网络为本实验最佳选择,而注意力机制的引入和多模型融合使得模型的诊断准确率提升。
-
关键词
眼底视网膜图像
卷积神经网络
多任务学习
多标签分类
-
Keywords
fundus retinal image
convolution neural network
multi-task learning
multi-label classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
