融合双眼特征的糖网病图像识别方法

发布时间：2021-10-21 18:35

　　针对糖尿病视网膜病变的眼底图像数据,根据传统的卷积神经网络模型设计出一种能够针对此病程进行自动分类的网络模型.引入一种全新的基于双眼特征融合模型来比较不同模型结构的处理效果,通过实验证明了此模型在对糖尿病视网膜病变眼底图像进行分类时的有效性和优越性.通过对模型的损失函数进行调整,分析得出在不同评价准则下的最优损失函数.对错分的图像样本进行分析,总结了造成错误分类的两种主要原因:微血管瘤特征的不明显和相机伪影构成的图像噪声. 

【文章来源】：中南民族大学学报(自然科学版). 2020,39(06)

【文章页数】：7 页

【部分图文】：

(a)微血管瘤(左上);(b)黄色渗出和出血点;(c)新生血管

糖网病眼底图像的数据包含了不同个体的左右眼.每个个体的左右眼图像具有极为相似的亮度、色彩与结构特征,如图2所示:表1为本文所使用数据的左右眼标签(标签是原始数据中糖网病病程的分类,为0-4类,共5类)统计:左右眼为同一标签的数据占总数据的92.7%,左右标签相差1的数据占总数据的5.2%,由此可证明左眼与右眼标签具有较强的相关性.

使用的特征提取网络参照VGG-16网络结构,为了使模型能够更多的提取到图像关于病灶的分布等高级特征,此模型在VGG-16模型的基础上,在网络后半部分适当添加了卷积层,并对前半部分进行修改以减小参数量和计算量、适应图像的输入尺寸,具体结构如图4所示:图4 特征提取网络示意图

【参考文献】：
期刊论文
[1]基于残差网络的糖网病自动筛查[J]. 邹北骥,张子谦,朱承璋,陈昌龙,刘佳,欧阳平波.  计算机辅助设计与图形学学报. 2019(04)
[2]糖尿病视网膜病变眼底图像分类方法[J]. 梁平,熊彪,冯娟娟,廖瑞端,汪天富,刘维湘.  深圳大学学报(理工版). 2017(03)

博士论文
[1]深度学习在糖网病筛查中的研究与应用[D]. 周磊.上海交通大学 2018

硕士论文
[1]眼底图像的糖网病变分类研究与实现[D]. 刘江明.电子科技大学 2019



本文编号：3449514