典型文献
基于代价敏感正则化和EfficientNet的糖尿病视网膜病变分类方法
文献摘要：
糖尿病视网膜病变(DR)是糖尿病的常见并发症,是目前世界范围内导致失明的主要疾病之一.临床的早期阶段很难检测到DR.本文提出一种基于卷积神经网络的计算机辅助诊断方法,根据眼底的图像自动分类DR的严重程度.采用多种预处理方法提高输入图像的质量,并且采用多种数据增强的方法来提高数据集的均衡性.使用代价敏感正则化扩展标准分类损失函数,根据预测等级和真实等级相差程度的不同,对其施加不同的惩罚.在ImageNet数据集上进行预训练,从而引入迁移学习,并且使用Softmax激活函数的全连接层使模型获得更好的性能.基于两个数据集的实验结果表明,相较于近期学者的研究结果,该模型能够实现二次加权kappa分数约5％的改善,AUC约3％的改善.将代价敏感正则化引入到EfficientNet网络模型可以提高糖尿病视网膜病变分类任务的准确率,能够得到很好的模型性能.
文献关键词：
糖尿病视网膜病变;深度学习;代价敏感正则化;卷积神经网络;图像分类
中图分类号：
作者姓名：
王明智;马志强;赵锋锋;王永杰;郭继峰
作者机构：
东北林业大学信息与计算机工程学院,黑龙江哈尔滨150040
文献出处：
引用格式：
[1]王明智;马志强;赵锋锋;王永杰;郭继峰-.基于代价敏感正则化和EfficientNet的糖尿病视网膜病变分类方法)[J].液晶与显示,2022(12):1626-1635
A类：
代价敏感正则化
B类：
EfficientNet,糖尿病视网膜病变,分类方法,DR,前世,失明,主要疾病,早期阶段,计算机辅助诊断,眼底,自动分类,预处理方法,数据增强,均衡性,标准分类,损失函数,据预测,ImageNet,预训练,迁移学习,Softmax,激活函数,全连接层,二次加权,kappa,高糖,分类任务,模型性能,图像分类
AB值：
0.254847
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。
