典型文献
多层次可选择核卷积用于视网膜图像分类
文献摘要：
为了提高深度学习网络对糖尿病性视网膜病变识别准确率,针对光学相干断层扫描技术(optical coherence tomography,OCT)的视网膜图像分类研究,提出了一种基于可选择卷积核的网络模型,该模型能对多个尺度扩张率的卷积核之间进行自动选择操作.分割阶段生成多条路径,这些路径具有相同的卷积核但不同的扩张率,对应不同的神经元感受野大小;融合阶段将多条路径的信息进行组合和聚合,得到一个全局的、全面的选择权重表示;选择操作再根据2种权值自身相似性和相对相似性来选择权值.实验结果表明,该模型在2个视网膜公开的基准数据集OCT2017及SD-OCT上分别达到了95.39％,99.18％的分类结果.与目前已有的主流模型相比,该模型的实验结果在2个数据集上均有提升.
文献关键词：
视网膜图片;医学图像分类;深度学习;卷积神经网络
中图分类号：
作者姓名：
朱纳;李明
作者机构：
重庆师范大学 计算机与信息科学学院,重庆401331
文献出处：
引用格式：
[1]朱纳;李明-.多层次可选择核卷积用于视网膜图像分类)[J].重庆邮电大学学报（自然科学版）,2022(05):886-893
A类：
尺度扩张,OCT2017,视网膜图片
B类：
视网膜图像,高深,深度学习网络,糖尿病性视网膜病变,病变识别,识别准确率,光学相干断层扫描技术,optical,coherence,tomography,分类研究,卷积核,扩张率,多条,感受野,选择权,权值,身相,基准数据集,流模型,医学图像分类
AB值：
0.27543
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
