王娇,方全,罗芬,张美玲,唐奇伶.融合双眼特征的糖网病图像识别方法[J].中南民族大学学报自然科学版,2020,39(6):607-613
融合双眼特征的糖网病图像识别方法
Identification of diabetic retinopathy stages by correlating binocular cues
  
DOI:10.12130/znmdzk.20200610
中文关键词: 糖网病自动诊断  卷积神经网络  双眼特征融合
英文关键词: automatic diagnosis of the diabetic retinopathy  Convolutional Neural Networks  binocular feature fusion
基金项目:湖北省自然科学基金资助项目(2019CFB629)
作者单位
王娇 中南民族大学 生物医学工程学院武汉430074 
方全 中南民族大学 生物医学工程学院武汉430074 
罗芬 中南民族大学 生物医学工程学院武汉430074 
张美玲 中南民族大学 生物医学工程学院武汉430074 
唐奇伶 中南民族大学 生物医学工程学院武汉430074 
摘要点击次数: 213
全文下载次数: 135
中文摘要:
      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。
英文摘要:
      For the fundus image data of diabetic retinopathy, a network model that can automatically classify this course of disease is designed according to the traditional convolutional neural network model. A new binocular feature fusion model is introduced to compare the processing effects of different model structures. Experiments prove that this model is effective and superior in classifying diabetic retinopathy fundus images. By adjusting the loss function of the model, the optimal loss function under different evaluation criteria is analyzed. The misclassified image samples are analyzed, and the two main causes of misclassification are summarized: the indistinct features of microaneurysms and the image noise composed of camera artifacts.
查看全文   查看/发表评论  下载PDF阅读器
关闭