發(fā)布時(shí)間：2021-12-10 07:53

　　目的:利用深度學(xué)習(xí)的方法對(duì)糖尿病視網(wǎng)膜分類方法進(jìn)行研究。方法:采用深度學(xué)習(xí)的方法,輸入視網(wǎng)膜眼底圖像特征和選擇分類模型,從而決定最終的視網(wǎng)膜眼底分類效果。針對(duì)不同病變時(shí)期的糖尿病性病變視網(wǎng)膜類間差別小,特征分類困難的問題,提出利用基于遷移學(xué)習(xí)的Xception模型來解決病變視網(wǎng)膜分類的方法,該方法摒棄了傳統(tǒng)分類方法中的直接對(duì)數(shù)據(jù)集進(jìn)行訓(xùn)練的缺點(diǎn),采用特殊的圖像預(yù)處理方法,通過遷移學(xué)習(xí)結(jié)合優(yōu)秀的分類模型來解決分類難問題。結(jié)果:研究結(jié)果表明,在預(yù)處理后的數(shù)據(jù)集上,訓(xùn)練得到的模型在測(cè)試集上準(zhǔn)確率達(dá)到了92.8%,取得了良好的訓(xùn)練效果。結(jié)論:視網(wǎng)膜眼底圖像作為眼部病癥的重要判斷依據(jù),蘊(yùn)藏著大量的病癥信息,不但可以節(jié)省經(jīng)驗(yàn)豐富的眼科醫(yī)生的診斷時(shí)間,還可解決醫(yī)療資源分布不均的問題。 

【文章來源】：中國(guó)醫(yī)學(xué)裝備. 2020,17(10)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

遷移學(xué)習(xí)理論圖

采用特殊的特征增強(qiáng)方法，處理原理即用原圖減去高斯模糊(Gaussian Blur)圖，得到兩圖差異，再用Gaussian Blur算法得到最終特征增強(qiáng)后的圖像。圖像特征增強(qiáng)原理效果見圖2。結(jié)果圖像中出血點(diǎn)和硬性滲出物[7-10]特征變得清晰可見，微動(dòng)脈瘤特征被放大，分類模型可以最大化的學(xué)習(xí)到有用特征，以幫助模型得到更好的訓(xùn)練結(jié)果。

IDRi D數(shù)據(jù)集和Eye PACS數(shù)據(jù)集自身內(nèi)部分級(jí)的圖像數(shù)量偏差較大，需要采用不同程度的平移、翻轉(zhuǎn)及旋轉(zhuǎn)等數(shù)據(jù)增強(qiáng)的方法對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)充，擴(kuò)充后的數(shù)據(jù)集再經(jīng)過按比例的抽取圖像，利用由Python編寫的開源人工神經(jīng)網(wǎng)絡(luò)庫(kù)keras，通過圖像數(shù)據(jù)生成器(image data generator)Python中指定路徑寫入標(biāo)簽路徑的方法(datagen.flow＿from＿directory)相結(jié)合，達(dá)到各級(jí)圖像數(shù)量相對(duì)均等的目的，從有偏數(shù)據(jù)集轉(zhuǎn)變?yōu)闊o偏數(shù)據(jù)集。經(jīng)過數(shù)據(jù)增強(qiáng)操作的數(shù)據(jù)見圖1。1.3 特征增強(qiáng)

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的眼底圖像出血點(diǎn)檢測(cè)方法[J]. 孟凡奎,銀溫社,賀建峰.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2020(09)
[2]基于仿真SAR圖像深度遷移學(xué)習(xí)的自動(dòng)目標(biāo)識(shí)別[J]. 王澤隆,徐向輝,張雷.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2020(04)
[3]人工智能在眼部疾病中的應(yīng)用及其挑戰(zhàn)[J]. 肖璐璐,竇曉燕.  國(guó)際眼科雜志. 2020(07)
[4]糖尿病視網(wǎng)膜病變的分類、發(fā)生機(jī)制及治療進(jìn)展[J]. 何媛,周濤,蘇婷,李海濤,張海林.  山東醫(yī)藥. 2020(19)
[5]基于深度遷移學(xué)習(xí)的釀酒葡萄種植信息提取[J]. 宋曉倩,張學(xué)藝,張春梅,李萬春.  江蘇農(nóng)業(yè)學(xué)報(bào). 2020(03)
[6]基于集成遷移學(xué)習(xí)的細(xì)粒度圖像分類算法[J]. 吳建,許鏡,丁韜.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(03)
[7]基于遷移學(xué)習(xí)的VGG-16網(wǎng)絡(luò)芯片圖像分類[J]. 馬俊,張榮福,郭天茹,張喆嫣,李卿,王蓉,李子瑩.  光學(xué)儀器. 2020(03)
[8]基于深度學(xué)習(xí)的肺腫瘤圖像分割研究[J]. 劉雅熙,鐘建軍,孫玉璽,彭浩超.  計(jì)算機(jī)產(chǎn)品與流通. 2020(07)
[9]基于Inception-ResNet-V2的乳腺癌病理圖像識(shí)別研究[J]. 劉靖雯,黃理燦.  軟件導(dǎo)刊. 2020(05)
[10]人工智能深度學(xué)習(xí)在心血管影像診斷中的研究進(jìn)展[J]. 張佳,孫凱.  中國(guó)醫(yī)學(xué)裝備. 2020(04)

碩士論文
[1]基于深度學(xué)習(xí)的醫(yī)學(xué)影像分割技術(shù)研究[D]. 陳俊江.電子科技大學(xué) 2020



本文編號(hào)：3532194