典型文献
基于深度学习的眼底视网膜图像疾病分类研究
文献摘要：
提出了一种基于深度学习的多疾病分类方法,实现了一个完整的眼底视网膜图像辅助诊断解决方案.将Resnet50作为主干网络,并且利用多任务学习来解决多标签分类问题,根据左右眼的相关性对左右眼图像进行拼接,融合左右眼特征,从而提高模型的精度.由于基于眼底图像的疾病分类本质上是根据图像上的病灶来判断的,因此引入注意力机制来使得模型更关注病灶特征,增强网络对有效特征的学习能力.最后通过多模型融合技术,进一步提高模型的精度.通过设计多组对比实验,确定Resnet50主干网络为本实验最佳选择,而注意力机制的引入和多模型融合使得模型的诊断准确率提升.
文献关键词：
眼底视网膜图像;卷积神经网络;多任务学习;多标签分类
中图分类号：
作者姓名：
李果璟;夏秋婷;李宏
作者机构：
杭州电子科技大学自动化(人工智能)学院,浙江 杭州310018
文献出处：
引用格式：
[1]李果璟;夏秋婷;李宏-.基于深度学习的眼底视网膜图像疾病分类研究)[J].传感技术学报,2022(05):711-718
A类：
眼底视网膜图像
B类：
疾病分类,分类研究,分类方法,辅助诊断,Resnet50,主干网络,多任务学习,多标签分类,分类问题,左右眼,眼图,拼接,眼底图像,类本质,注意力机制,有效特征,多模型融合,融合技术,诊断准确率,准确率提升
AB值：
0.228898
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。
