基于深度学习特征融合的视网膜图像分类

摘要：

针对光学相干层析视网膜图像进行人工分类诊断时存在漏检、效率低等问题,提出一种基于深度学习技术构建联合多层特征的卷积神经网络分类算法.首先通过均值漂移和数据归一化算法对视网膜图像进行预处理,并结合损失函数加权算法解决数据不平衡问题;其次使用轻量深度可分离卷积替代普通卷积层,降低模型参数量,采用全局平均池化替换全连接层,增加空间鲁棒性,并联合不同卷积层构建特征融合层,加强层间特征流通;最后使用SoftMax分类器进行图像分类.实验结果表明,该模型在准确率、精确率、召回率上分别达到97％、95％、97％,缩短了识别时长,所提方法在视网膜图像分类诊断中具有良好的性能.

关键词：图像处理、卷积神经网络、视网膜图像、特征融合、加权损失函数

所属期刊栏目：57

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;福建省科技计划

在线出版日期：2021-03-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：258-265