近年來,卷積神經網絡的方法在醫(yī)療行業(yè)取得了快速的發(fā)展,解決了越來越多的醫(yī)學上棘手的問題。卷積神經網絡（Convolutional Neural Networks,簡稱CNN）與現代醫(yī)療設備相結合,通過一系列的卷積神經網絡技術,為疾病的診斷提供了可靠的判斷依據,這已經成為日后醫(yī)療的發(fā)展趨勢。糖尿病視網膜的診斷,之前大多依靠醫(yī)生經驗,且眼科醫(yī)生數量遠遠達不到需求。醫(yī)療條件的匱乏,導致患者的疾病無法得到及時診斷和治療,甚至會導致不可逆轉的失明。因此,使用卷積神經網絡進行自動化的圖像分類分級,對于糖尿病視網膜病變的防治有重要的作用。本文以獲得更好的糖尿病視網膜檢測效果為研究目的,集成改進的VGG網絡結構和設計卷積神經網絡結構XNet,并架構了一套B/S結構的糖尿病視網膜圖像檢測系統。本文主要研究如下:（1）闡述了糖尿病視網膜檢測所需要的理論知識,包括卷積神經網絡以及經典網絡模型,監(jiān)督學習算法如遷移學習、集成學習,系統設計的相關知識如深度學習框架TensorFlow、前端框架Boostrap、后端框架ThinkPHP。針對判斷糖尿病視網膜是否發(fā)生病變的基本需求,使用國外Kaggle 比賽提供的視... 

【文章來源】：東北林業(yè)大學黑龍江省 211工程院校 教育部直屬院校

【文章頁數】：67 頁

【學位級別】：碩士

【部分圖文】：

圖２－〗經典ＶＧＧ結構圖??訓練期間，輸入是固定大小的２２４ｘ２２４?ＲＧＢ圖像

６??卷積層?３ｘ３?３ｘ３?３ｘ３?＾?＾?３ｘ３??ｌｘｌ?６Ｘ６?２ｘ９?????，大池化??????〇?ｒ〇?〇?Ｑ?３ｘ３??〇?〇?Ｏ?Ｏ?Ｏ?Ｏ?ＯｊａＯ?ＯＡＯ?ｒ－ｊ?ｒ－ｔ??忠〇ｘ３?３ｘ３?３ｘ３?－?＿?－?＿??卷積層?３ｘ３?３ｘ３?３ｘ３?３ｘ３??ｌｘｌ?６Ｘ６?２ｘ３???最大池化????全連接層????全連接層????全連接層????ｓｏｆｔｍａｘ???圖２－２?ＶＧＧ網絡結構??２．２．２?ｌｎｃｅｐｔｉｏｎ－Ｖ３??雖然ＶＧＧ的結構簡單明了，但是ＶＧＧ需要較高的計算成本。后人提出的ＧｏｏｇＬｅＮｅｔ和??Ｉｎｃｅｐｔｉｃｍ－Ｖ３系列網絡結構在硬件有限的情況下，也可以有很不錯的準確率和訓練時間。??ＩｎＣｅｐｔｉ〇ｎ－Ｖ３結構訓練所需的資源也小于ＶＧＧ或者其他高性能的網絡結構。在當今的硬件??條件之下，如果內存或者ＣＰＵ有限的情況下，可以推薦使用ＩｎＣｅｐｔｉａｎ－Ｖ３系列網絡結構。尤其??１２??

東北林業(yè)大學碩士學位論文??口??／——ｆ?ｆ?：?Ｉ??Ｌ＿Ｊ??參：卜：御．．＋．?－ｉ??／?／?／?Ｖ?／?／??圖２－３?２層３?Ｘ?３卷積替換５?Ｘ?５卷積??上述的結論也說明，使用３ｘ３的濾波器可能也不是最有用的，也可以將３ｘ３的濾波器進行??分解，實驗前，研宄員們質疑過是否將３ｘ３分解成２ｘ２是有意義的，但是也可以將３ｘ３的濾波??器分解成不對稱的濾波器比方說《ｘｌ。即使用３ｘ１和１ｘ３代替３４的濾波器，如圖２－４。這樣??計算資源可以節(jié)約３３％。對比使用２ｘ２大小的濾波器進行替換，僅僅會節(jié)約１］％的計算資源。??口＇??Ｍ??＿??圖２－４替換３Ｘ３卷積的Ｍｉｎｉ網絡??在理論上，甚至可以使用任何１印和《＼１相結合的方式替換掉的結構，這樣，計算??資源可以被大范圍的節(jié)約。在實踐中，作者們發(fā)現，這種分解濾波器的方式在較淺層的網絡結??構中效果不是很好，但是在中等尺寸的濾波器中效果很好，比方說，用７ｘ１和１ｘ７尺寸的濾波??器結合可以用來替換７ｘ７大小的濾波器。??１４??


本文編號：2970183