典型文献
融合可解释性特征的糖尿病视网膜病变自动诊断
文献摘要：
糖尿病视网膜病变(DR)已成为全球4大主要致盲疾病之一,及早确诊可以有效降低患者视力受损的风险.通过融合深度学习可解释性特征,提出一种DR自动诊断方法,首先利用导向梯度加权类激活映射图和显著图两种可解释性方法生成不同标记的病灶图像,再通过卷积神经网络提取原图像和两种生成图像的特征向量,最后融合3种特征向量并输入到支持向量机中以实现DR的自动诊断.在1443张彩色眼底图像构成的数据集上,相对于基础ResNet50模型,该方法诊断准确率提高3.6％,特异性提高2.4％,灵敏度提高5.8％,精度提高4.6％,Kappa系数提高7.9％,实验结果表明该方法能有效降低误诊的风险.
文献关键词：
糖尿病视网膜病变;深度学习;集成学习;可解释性模型;支持向量机
中图分类号：
作者姓名：
蒋杰伟;雷舒陶;耿苗苗;巩稼民;朱泽昊;张运生;刘芳;吴艺杰;王育文;李中文
作者机构：
西安邮电大学电子工程学院,陕西西安710121;西安邮电大学通信与信息工程学院,陕西西安710121;温州医科大学宁波市眼科医院,浙江宁波315000
文献出处：
引用格式：
[1]蒋杰伟;雷舒陶;耿苗苗;巩稼民;朱泽昊;张运生;刘芳;吴艺杰;王育文;李中文-.融合可解释性特征的糖尿病视网膜病变自动诊断)[J].中国医学物理学杂志,2022(05):640-646
A类：
B类：
糖尿病视网膜病变,自动诊断,DR,致盲,视力,梯度加权类激活映射,显著图,可解释性方法,原图,成图,特征向量,彩色眼底图像,图像构成,ResNet50,诊断准确率,Kappa,误诊,集成学习,可解释性模型
AB值：
0.26068
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。
