基于眼底血管特征的眼底图像多分类研究

发布时间：2021-01-23 08:39

　　眼底图像是用于眼底疾病诊断的主要手段和工具,眼底血管结构和眼球内膜的病变可以作为眼底疾病的诊断依据,如白内障、高血压、黄斑病变等。随着计算机在医学图像处理中发展,现阶段已经有许多学者对糖尿病视网膜病变眼底图像分类进行了大量的研究。针对目前基于深度学习的眼底图像分类主要用于辅助诊断糖尿病视网膜病变,而对于高血压、病理性近视等疾病并没有进行早期诊断和监测,本文提出一种眼底多病症的筛查算法。首先,通过基于retina-U-net的图像分割技术,得到眼底图像的血管分割特征;其次,将原始眼底彩色图像和眼底血管分割图像输入到改进的分类网络中,加入眼底血管分割图像后,相比原有的算法,分类效果有了明显的提升,本文模型的准确率、召回率、精确度、F1分别为:0.838、0.818、0.868、0.842。 

【文章来源】：信息技术与信息化. 2020,(11)

【文章页数】：4 页

【部分图文】：

Part-ODIR2019数据集眼底病变类型与年龄分布图

使用传统的卷积神经网络作为主干网络,将左眼和右眼彩色图像同时输入到主干网络,对左眼和右眼彩色图像进行特征提取,得到左眼和右眼图像的特征图,通过特征融合和线性变换,最终得到患者的病症类型,如图2所示。2.2 densenet201模型

【参考文献】：
期刊论文
[1]基于改进U型网络的眼底图像血管分割[J]. 高宏杰,邱天爽,丑远婷,周明,张晓博.  中国生物医学工程学报. 2019(01)



本文编号：2994909