【论著】基于卷积神经网络与迁移学习的糖尿病视网膜病变分级诊断研究【2024年8月第4期】

文章预览

点击标题下「蓝色微信名」可快速关注 摘要 目的 通过比较基于卷积神经网络与迁移学习的不同图像预处理方法在糖尿病视网膜病变（DR）诊断中的效果，为分级诊断模型的优化提供依据和参考。 方法 （1）获取Kaggle平台的APTOS 2019 Blindness Detection的3 662例视网膜图像（为公开数据集），进行去黑边、尺寸调整、归一化以及数据增强预处理。（2）通过调节ResNet50模型权重参数，验证迁移学习方法提高模型分类效率的有效性，并与InceptionV3模型在DR分级诊断任务的表现相对比。（3）通过对原始图像进行灰度化、对比度受限的自适应直方图均衡化（CLAHE）以及组合该两种方式，比较不同预处理方法对InceptionV3模型分类性能的提升效果。（4）考虑到数据集特点，研究使用准确率、灵敏度、特异度、曲线下面积（AUC）衡量模型性能。 结果 （1）ResNet50模型在不保 ………………………………