典型文献
基于深度迁移学习的老年人群眼底疾病辅助诊断研究
文献摘要：
目的 提出一种基于深度迁移学习的老年人群眼底疾病自动分类方法,为老年人眼底疾病提供辅助诊断分析.方法 以2048张眼底图像作为原始眼底数据集.首先,对眼底图像进行去除模糊不清、图像缩放和对比度调整等预处理操作,随机将眼底图像划分成训练组、验证组和测试组.然后迁移卷积神经网络(convolution neural network,CNN)在其他分类任务预训练的参数,根据眼底病分类任务微调CNN模型全连接层参数,经过网络优化搭建眼底病分类诊断网络模型.并使用独立的测试集对网络模型进行测试,通过混淆矩阵查看模型的分类情况.最后,以受试者工作特征曲线下面积(area under curve,AUC)、准确率、灵敏度、特异度和F1值等指标评价网络模型对眼底病的分类诊断效果.结果 CNN模型在眼底病分类准确率均高于0.90,灵敏度在0.90～0.95范围,特异度在0.89～0.95范围,AUC在0.87～0.92范围,F1值在0.92～0.94范围.结论 提出基于迁移学习方法训练的CNN模型以较高的准确率实现老年人眼底病的自动分类诊断,且具备训练周期短和训练参数少等优势.该方法将有助于提高基层社区对老年人群眼底疾病的辅助诊断能力.
文献关键词：
迁移学习;卷积神经网络;眼底病变;眼底图像;图像分类
中图分类号：
作者姓名：
杨康;赵太宏
作者机构：
南京医科大学公共卫生学院 南京 211112;南京医科大学附属南京医院 南京 210006
文献出处：
引用格式：
[1]杨康;赵太宏-.基于深度迁移学习的老年人群眼底疾病辅助诊断研究)[J].北京生物医学工程,2022(05):465-470,530
A类：
B类：
深度迁移学习,老年人群,眼底疾病,辅助诊断,诊断研究,自动分类方法,人眼,诊断分析,眼底图像,底数,模糊不清,图像缩放,对比度,图像划分,训练组,convolution,neural,network,分类任务,预训练,微调,全连接层,网络优化,分类诊断,断网,测试集,混淆矩阵,查看,受试者工作特征曲线,特征曲线下面积,area,under,curve,指标评价,诊断效果,分类准确率,迁移学习方法,方法训练,训练周期,周期短,基层社区,诊断能力,眼底病变,图像分类
AB值：
0.320745
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。
