FAILED
首站-论文投稿智能助手
典型文献
基于改进YOLOv3网络的超广角眼底图像视网膜病变智能诊断方法研究
文献摘要:
视网膜病变是致盲的主要因素,如能早发现,众多致盲可以避免.该文以大病变视网膜脱离和小病变硬性渗出为例,进行超广角眼底图像视网膜病变智能诊断研究.该文通过改进YOLOv3构建了新型病变深度检测网络,并研究了数据扩增数量对模型的影响规律.研究结果表明,扩增4倍有助于提升性能,进一步扩增反而下降.实验训练集含1100张,验证集含219张,大、小病变的召回率分别提升到91.19%和67.90%,精确率分别提升到92.95%和77.46%.
文献关键词:
超广角眼底图像;目标检测;YOLOv3;视网膜脱离;硬性渗出
作者姓名:
廖国粮;王通;韩霖;庄艳;陈科;林江莉
作者机构:
四川大学生物医学工程学院,四川成都610065;四川大学华西医院,四川成都610065
引用格式:
[1]廖国粮;王通;韩霖;庄艳;陈科;林江莉-.基于改进YOLOv3网络的超广角眼底图像视网膜病变智能诊断方法研究)[J].电脑知识与技术,2022(27):27-28
A类:
超广角眼底图像
B类:
YOLOv3,视网膜病变,智能诊断方法,致盲,早发现,大病,视网膜脱离,小病,变硬,硬性渗出,诊断研究,变深,深度检测,测网,数据扩增,提升性能,训练集,验证集,召回率,精确率,目标检测
AB值:
0.242843
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。