典型文献
基于深度学习的眼底图像辅助诊断系统设计
文献摘要：
目前多数眼底图像分类方法主要针对单一类别疾病不同级别进行分类,且网络模型存在参数量大、计算复杂等问题.基于轻量化的SqueezeNet深度学习模型,设计了一种实现多标签眼底图像辅助诊断系统.在公开数据集ODIR上进行训练和验证,实验结果表明该系统具备强大的特征提取能力,可以在非大幅降低模型精度的情况下最大程度地提高系统的运行速度、降低系统内存消耗.该基于深度学习的眼底图像辅助诊断系统适合于硬件部署,可以为人工智能应用于计算机辅助医疗设备中提供一定的参考价值.
文献关键词：
深度学习;眼底图像;轻量化;硬件部署
中图分类号：
作者姓名：
林静敏;魏松林
作者机构：
厦门城市职业学院,福建厦门 361008;厦门海洋职业技术学院,福建厦门 361100
文献出处：
引用格式：
[1]林静敏;魏松林-.基于深度学习的眼底图像辅助诊断系统设计)[J].安徽电子信息职业技术学院学报,2022(06):25-31
A类：
ODIR
B类：
眼底图像,辅助诊断系统,数眼,图像分类,分类方法,同级,参数量,SqueezeNet,深度学习模型,多标签,公开数据集,特征提取能力,模型精度,运行速度,硬件部署,人工智能应用,计算机辅助,医疗设备
AB值：
0.274426
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。
