基于改进CNN的糖尿病视网膜病变图像分类模型研究

摘要：

糖尿病视网膜病变(DR)是目前公认的主要致盲疾病之一,目前传统的视网膜图像处理步骤复杂且需要大量的人力物力,缺少一种完整的自动识别系统.针对这一问题,提出一种基于改进CNN的糖尿病视网膜病变图像分类模型,即SupplementNet.该模型在原有深度学习模型的基础上,改进卷积层中激活函数来使模型尽可能多地学习图像的特征,并在相应的卷积层后对图像数据进行批量正则化处理来提高模型的泛化性能.对比实验结果表明,该模型的分类准确率要高于其他常用的模型,可为DR图像分类提供一种更为有效的途径.

关键词：糖尿病视网膜病变;深度学习;卷积神经网络;图像分类;SupplementNet模型;特征提取

所属期刊栏目：44

分类号：TN911.73⁃34

资助基金：山西省自然科学基金项目;山西省国际合作项目

在线出版日期：2021-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：168-172