一种XNet-CNN糖尿病视网膜图像分类方法

摘要：

本文针对传统的视网膜图像处理过程繁琐、鲁棒性差的缺点,提出设计了一种基于深度卷积神经网络(Convolutional Neural Network,CNN)的视网膜图像自动识别系统.首先,对图像预处理包括去除噪声、数值归一化、数据量扩增;然后,设计提出了一种新的神经网络模型——XNet,XNet中和了LeNet和Inception网络的深度,网络参数根据训练样本进行适应性调整;最后,针对不同的网络结构进行了准确率和迭代次数的比较.实验结果表明,XNet网络的结构要优于LeNet和Inception,准确率可以达到91％;并通过实验证实了数据扩增的必要性.

关键词：卷积神经网络、深度学习、视网膜分类、糖尿病视网膜图像

所属期刊栏目：25

分类号：TP391.4(计算技术、计算机技术)

资助基金：中央高校基本科研业务费;国家自然科学基金;黑龙江省教育厅科学技术研究项目;黑龙江省博士后基金;黑龙江省自然科学基金;哈尔滨市科技创新人才专项资金

在线出版日期：2020-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：73-79