基于改进YOLOv3网络的超广角眼底图像视网膜病变智能诊断方法研究

摘要：

视网膜病变是致盲的主要因素,如能早发现,众多致盲可以避免.该文以大病变视网膜脱离和小病变硬性渗出为例,进行超广角眼底图像视网膜病变智能诊断研究.该文通过改进YOLOv3构建了新型病变深度检测网络,并研究了数据扩增数量对模型的影响规律.研究结果表明,扩增4倍有助于提升性能,进一步扩增反而下降.实验训练集含1100张,验证集含219张,大、小病变的召回率分别提升到91.19％和67.90％,精确率分别提升到92.95％和77.46％.

关键词：超广角眼底图像、目标检测、YOLOv3、视网膜脱离、硬性渗出

所属期刊栏目：18

分类号：TP311(计算技术、计算机技术)

资助基金：四川省科技厅应用基础研究项目2019YJ0055

在线出版日期：2022-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：27-28