一种基于深度学习的视网膜病变图像识别方法_第1页
一种基于深度学习的视网膜病变图像识别方法_第2页
一种基于深度学习的视网膜病变图像识别方法_第3页
全文预览已结束

付费下载

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

尽管人工诊断可以检测眼底病变，但这需要经验丰富的眼科医生，生产率低且耗时长。面对这种情况，计算机辅助诊断（C）一种极具潜力的选择，特别是在辅助医生诊断和治疗方面。近年来，随着深度学习技术的迅速发展，基于深度学习的图像分类和目标检测方法逐渐成为了一种优秀的视网膜病变识别方法。行逐层提取特征的操作。许多研究表明，CNN在多种视网膜病变的检测CNNCNN中提取出的特征来训练新的分类器，可以提高训练集的规CNN和迁移学习思想。实验结果表明，该方法表现出较好的分类有5种疾病，包括黄斑区变性、玻璃体出血、静脉阻塞、糖尿病性视网3500张照片，其中七成用于训练，两成用我们使用了开放源代码的深度学习框架Keras实现了我们的方法，CNN预训练模型中的特征提取器进行复CNN模型进行训VGG16模型作为我们的预训练模型，ImageNet数据集上进行训练的。VGG1613个卷积层和3个全连接层，每个卷积层都超级小规模滤波器。接下来，我们使84.07%，比另外两种方法的准确率分别高出11.39%和16.53%。们的算法在识别静脉阻塞和玻璃体出血方面的准确率最高，分别为92.3186.15％，在糖尿病性视网膜病变方面的准确率为69.23％。CN

人人文库> 全部分类> 图纸下载 > 毕业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论