基于深度学习的糖尿病视网膜病变诊断方法

摘要：

针对糖尿病患者出现视网膜病变的现象,提出一种基于深度学习的糖尿病视网膜病变诊断模型.在保证图像识别模型深度的前提下,通过修改Inception模块的组成减少模型参数,从而提升收敛速度;通过引入残差模块解决了模型深度增加带来的梯度消失和梯度爆炸等问题;利用数据扩充和设置Dropout的方法,有效避免了数据集不足导致模型出现过拟合的现象,从而实现对糖尿病视网膜病变患病等级的检测.实验结果表明,所提出的DetectionNet深度卷积神经网络对糖尿病视网膜病变患病程度等级分类任务的识别率达到91％,相对于LeNet AlexNet和CompactNet等网络模型均有20％以上识别率的提升.该研究对糖尿病患者的早期预防和治疗、避免出现糖尿病视网膜病变具有重要意义.

关键词：图像处理、糖尿病视网膜病变、深度学习、卷积神经网络、数字图像处理

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：贵州省科学技术厅科技基础条件平台专项计划黔科合基础”2019”1099

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：351-358